Pinecone Vector Store（Pinecone 向量存储）
使用 Pinecone 节点，将 Pinecone 数据库作为向量存储1进行交互。可向向量数据库插入文档、从中获取文档、检索文档并提供给连接到链2的检索器，或作为工具3直接连接到智能体4。也可根据 ID 更新向量数据库中的数据项。
本页列出了 Pinecone 节点的参数，并提供更多资源的链接。
凭据
此节点的身份验证信息，请参阅 Pinecone 凭据文 档。
子节点中的参数解析
使用表达式处理多个数据项时，子节点的行为与其他节点不同。
多数节点，包括根节点，可以接收任意数量的输入数据项，处理后输出结果。你可以用表达式引用输入数据项，节点会依次对每个数据项解析表达式。例如，输入包含五个 name 值时，表达式 {{ $json.name }} 会依次解析为每个名称。
在子节点中，表达式始终解析为第一个数据项。例如，输入包含五个 name 值时，表达式 {{ $json.name }} 始终解析为第一个名称。
节点使用模式
可按以下方式使用 Pinecone Vector Store 节点。
作为普通节点插入、更新和检索文档
可将 Pinecone Vector Store 用作普通节点，插入、更新或获取文档。此模式将 Pinecone Vector Store 放在常规连接流程中，无需使用智能体。
示例请参阅此模板的场景 1。
作为工具直接连接到 AI 智能体
可将 Pinecone Vector Store 节点直接连接到 AI 智能体的工具连接器，让智能体在回答查询时使用向量存储作为资源。
此时连接方式为：AI Agent（工具连接器）→ Pinecone Vector Store 节点。
使用检索器获取文档
可将 Vector Store Retriever 节点与 Pinecone Vector Store 节点配合使用，从 Pinecone Vector Store 节点获取文档。这通常与 Question and Answer Chain 节点配合，从向量存储获取与给定聊天输入匹配的文档。
连接流程示例如下：Question and Answer Chain（Retriever 连接器）→ Vector Store Retriever（Vector Store 连接器）→ Pinecone Vector Store。
使用 Vector Store Question Answer Tool 回答问题
另一种模式使用 Vector Store Question Answer Tool，汇总 Pinecone Vector Store 节点的结果并回答问题。此模式通过专门用于汇总向量存储数据的工具工作，无需将 Pinecone Vector Store 直接作为工具连接。
此时的连接流程为：AI Agent（工具连接器）→ Vector Store Question Answer Tool（Vector Store 连接器）→ Pinecone Vector Store。
节点参数
Operation Mode（操作模式）
此向量存储节点有五种模式：Get Many（获取多条）、Insert Documents（插入文档）、Retrieve Documents (As Vector Store for Chain/Tool)（检索文档，作为链或工具的向量存储）、Retrieve Documents (As Tool for AI Agent)（检索文档，作为 AI 智能体工具）及 Update Documents（更新文档）。所选模式决定可执行的操作，以及可用的输入和输出。
Get Many（获取多条）
此模式下，可提供提示词，从向量数据库检索多个文档。提示词会转换为嵌入向量，用于相似度搜索。节点返回与提示词最相似的文档及其相似度分数。适合检索一组相似文档，再将其作为额外上下文传给智能体。
Insert Documents（插入文档）
使用 Insert Documents（插入文档）模式，将新文档插入向量数据库。
Retrieve Documents (As Vector Store for Chain/Tool)（检索文档，作为链或工具的向量存储）
将 Retrieve Documents (As Vector Store for Chain/Tool)（检索文档，作为链或工具的向量存储）模式与向量存储检索器配合使用，从向量数据库检索文档，并提供给与链相连的检索器。此模式下，必须将节点连接到检索器节点或根节点。
Retrieve Documents (As Tool for AI Agent)（检索文档，作为 AI 智能体工具）
使用 Retrieve Documents (As Tool for AI Agent)（检索文档，作为 AI 智能体工具）模式，将向量存储用作回答查询的工具 资源。生成响应时，向量存储的名称和描述与问题详情匹配，智能体便会使用该向量存储。
Update Documents（更新文档）
使用 Update Documents（更新文档）模式，按 ID 更新向量数据库中的文档。在 ID 中填入要更新的嵌入条目 ID。
Rerank Results（结果重排序）
启用重排序。开启此选项后，必须将 Reranker Cohere（Cohere 重排序器）等重排序节点连接到向量存储，由其重新排列查询结果。此选项可用于 Get Many、Retrieve Documents (As Vector Store for Chain/Tool) 和 Retrieve Documents (As Tool for AI Agent) 模式。
Get Many（获取多条）参数
- Pinecone Index（Pinecone 索引）：选择或 输入要使用的 Pinecone 索引。
- Prompt（提示词）：输入搜索查询。
- Limit（上限）：输入从向量存储检索的结果数量。例如，设为
10可获取最匹配的十条结果。
Insert Documents（插入文档）参数
- Pinecone Index（Pinecone 索引）：选择或输入要使用的 Pinecone 索引。
Retrieve Documents（作为链或工具的向量存储）参数
- Pinecone Index（Pinecone 索引）：选择或输入要使用的 Pinecone 索引。
Retrieve Documents（作为 AI 智能体的工具）参数
- Name（名称）：向量存储的名称。
- Description（描述）：向 LLM 说明此工具的用途。清晰、具体的描述有助于 LLM 更经常地生成预期结果。
- Pinecone Index（Pinecone 索引）：选择或输入要使用的 Pinecone 索引。
- Limit（上限）：输入从向量存储检索的结果数量。例如，设为
10可获取最匹配的十条结果。
Update Documents（更新文档）参数
- ID
节点选项
Pinecone Namespace（Pinecone 命名空间）
在索引内存储数据时，另一种隔离数据的选项。
Metadata Filter（元数据过滤器）
适用于 Get Many（获取多条）模式。搜索数据时，使用此项匹配与文档关联的元数据。
这是一个 AND 查询。如果指定多个元数据筛选字段，必须全部匹配。
插入数据时，元数据通过文档加载器设置。加载文档的更多信息，请参阅 Default Data Loader（默认数据加载器）。
Clear Namespace（清空命名空间）
适用于 Insert Documents（插入文档）模式。在插入新数据之前，删除命名空间中的全部数据。
模板与示例
浏览 Pinecone Vector Store（Pinecone 向量存储） 集成模板，或搜索所有模板
常见问答
如何从 n8n 将文档存储到 Pinecone？
将 Pinecone Vector Store 用作普通节点，选择 Insert Documents（插入文档）操作，并选择 Pinecone Index（Pinecone 索引）。节点会将文档作为向量存储到 Pinecone，方便之后检索。
如何检索与查询最相关的文档？
在 Prompt（提示词）字段中输入搜索内容，并设置 Limit（上限）控制返回结果数量，例如 10 表示最匹配的十条结果。请参阅 Get Many 参数。如需将结果传入摘要链，可将检索器与 Question and Answer Chain 节点配合使用。
如何将向量存储作为工具连接到 AI 智能体？
将 Pinecone Vector Store 节点连接到 AI 智能体的工具连接器，让智能体在回答时查询存储。请参阅作为工具直接连接到 AI 智能体。如果希望汇总结果，而非返回原始文档，可使用 Vector Store Question Answer Tool。
相关资源
该服务的更多信息，请参阅 LangChain Pinecone 文档。
查看 n8n 的高级 AI 文档。
查找 Pinecone 索引和命名空间
可在 Pinecone 账户中找到 Pinecone 索引和命名空间。
