InfoQ

Pinecone Introduces Nexus Engine for Compiling Business Context into Structured Data for AI Agents

8.5内容质量
Pinecone Introduces Nexus Engine for Compiling Business Context into Structured Data for AI Agents

TL;DR · AI 摘要

Pinecone推出Nexus引擎，将企业业务上下文转化为结构化数据，提升AI代理效率并降低token成本。

核心要点

  • 法律领域任务完成率100% vs RAG系统的6%
  • token成本降低9-15倍，企业数据管理准确率提升至90%
  • 通过工作区(workspace)和上下文(context)组织知识，支持领域专家定制化数据处理

结构提纲

按章节快速跳转。

  1. §引言

    Pinecone发布Nexus引擎，解决AI代理在企业知识检索中的效率问题。

  2. ·核心机制

    Nexus通过工作区(workspace)和上下文(context)结构化存储企业知识，减少重复检索。

  3. ›性能对比

    法律领域任务完成率从RAG的6%提升至100%，token成本降低9-15倍。

  4. ·应用场景

    金融和法律领域验证Nexus在复杂查询和多源数据整合中的优势。

  5. ›技术架构

    通过清单(manifest)定义数据转换规则，整合领域专家知识。

  6. ·未来展望

    Nexus计划扩展至更多企业知识管理场景，优化实时数据更新能力。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • Nexus引擎
    • 核心机制
      • 工作区(workspace)
      • 上下文(context)
      • 清单(manifest)定义数据转换
    • 性能优势
      • 法律领域任务完成率100%
      • token成本降低9-15倍
      • 企业数据管理准确率90%
    • 应用场景
      • 金融领域
      • 法律研究
      • 企业知识管理

金句 / Highlights

值得收藏与分享的关键句。

#Pinecone#AI代理#结构化数据#RAG系统#企业知识管理
打开原文

Pinecone 推出 Nexus 引擎，将业务上下文编译为 AI 代理的结构化数据 - InfoQ

InfoQ 首页 News Pinecone 推出 Nexus 引擎，将业务上下文编译为 AI 代理的结构化数据

AI、机器学习与数据工程

QCon 旧金山（11 月 16-20 日）：深入技术研讨。改变你思维方式的同行对话。

Pinecone 推出 Nexus 引擎，将业务上下文编译为 AI 代理的结构化数据

2026 年 7 月 18 日 2 分钟阅读

作者：

  • Sergio De Simone

#### 关注我们

YouTube

232K 粉丝

LinkedIn

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 喜欢

Bluesky

收听本文 -

0:00

音频准备就绪

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

  • 阅读列表

现已全面上线，Pinecone Nexus 是专为 AI 代理设计的“知识引擎”，能将企业数据转化为代理可直接查询的结构化数据层。它使团队能够一次性导入并整理业务上下文，实现跨代理复用，降低 token 成本并提升准确性。

Pinecone 表示，尽管大语言模型“擅长世界知识”，向量数据库也便于“从文件中查找埋藏的信息”，但企业依赖的是另一层知识：业务上下文。这种上下文通常分散在“合同、维基、HR 文档、会议纪要、支持工单和财务记录”中。

代理可以搜索这些信息，但每次任务启动时都进行搜索效率极低，会导致 token 成本增加，同时产生更慢且可能不完整的答案。

Pinecone Nexus 是一个知识引擎，填补了这一空白。它将企业的分布式知识编译为结构化数据层，代理可直接查询，将 token 消耗从每次查询的检索循环中转移到一次性整理步骤中。

Pinecone 报告称，Nexus 的早期采用者在性能方面取得了显著提升，尤其是在金融服务和法律研究领域。在法律领域，Nexus 完成了所有分配的任务，而编码代理仅完成 6%，RAG 系统完成 66%。RAG 系统在“教义综合、跨案例推理和覆盖问题”上表现不佳，这些问题需要整合多个来源形成单一答案。根据 Pinecone 的数据，token 消耗也显著降低，减少了约 9–15 倍。

在企业数据管理方面也发现了类似的改进，准确率达到 90%，而 RAG 系统仅为 65%，每份文档的整理成本为 0.0038 美元。

Pinecone Nexus 围绕“工作区”概念构建，这是所有资源的顶级容器，通常与团队或业务单元相关联。在工作区中，数据被组织到“上下文”中，每个上下文代表特定的数据集或知识领域。清单定义了如何导入和转换原始数据源为结构化知识。通过清单，领域专业知识被直接整合到系统中：

领域专家可以设计蓝图，定义在查询执行前将领域知识编码到整理层的工件类型和关系。代理在查询时无需自行推断语料库的结构，而是继承领域专家对它的理解。

数据摄取通过支持多种来源的连接器进行处理，包括本地文件、Box 和 Microsoft OneLake。根据 Pinecone 的说法，对 Google Drive、Slack、GitHub、Notion、Confluence 和 S3 的支持即将推出。一旦数据被摄取并整理，就可以通过 KnowQL 进行查询，KnowQL 被代理、聊天机器人和推荐系统共同使用。

Pinecone Nexus 包含一个预览游乐场，用户可以在其中连接数据源、设计上下文并运行查询以验证其方法。它还提供 BYOC（Bring your own Cloud）部署选项，适用于对“数据驻留、安全性和合规性”不可妥协的环境。

与 Pinecone Nexus 类似的现有解决方案包括 Cognite、RationalAI、LlamaIndex 等。

作者信息主容器

关于作者

章节标题

每个作者的主容器

#### Sergio De Simone

显示更多

显示更少

#### 本内容属于 AI、ML 与数据工程主题

##### 相关主题：

  • 开发
  • AI、ML 与数据工程
  • 代理
  • 检索增强生成
  • 大型语言模型
  • 企业
  • 向量数据库
  • 相关编辑内容
  • 相关赞助商
  • 相关赞助商 2026 年 8 月 27 日，东部时间下午 1 点 Below the Framework: 为什么代理上下文是一个基础设施问题 演讲者：Boyd Stowe - Tacnode 创始解决方案架构师

InfoQ 新闻通讯

每周五发送 InfoQ 上一周内容的摘要。加入超过 250,000 名高级开发者的社区。查看示例

我们保护您的隐私。 /think