Pinecone 推出 Nexus 引擎：为 AI 智能体整合业务上下文并生成结构化数据

Pinecone认为，大语言模型擅长通用知识，向量数据库能定位散落文件中的特定信息，但企业真正依赖的是业务场景信息——这些信息分散在合同、知识库、人事文档、会议纪要、客服工单和财务记录中。智能体虽可搜索这些信息，但每次执行任务都检索效率极低，导致词元成本高、响应慢、输出可能缺失信息。

Nexus将企业分散的知识整合成一个结构化层，供智能体直接查询。词元消耗从每次查询的检索循环转移到一次性数据规整阶段。早期采用者已看到显著性能提升，尤其在金融服务和法律研究领域。

在法律领域，Nexus能完成全部指定任务，而编码智能体完成率仅6%，RAG系统为66%。RAG系统在“学说综合、跨案例推理和覆盖性问题”上表现不佳，这些任务需要整合多个来源的信息。Pinecone数据显示，词元消耗约为原先的1/9到1/15。

在企业数据管理方面，Nexus准确率达90%，RAG系统为65%，每份文档整理成本0.0038美元。

Nexus以工作空间（Workspace）为顶级容器，通常对应团队或业务部门。数据按上下文（Context）划分，每个上下文集对应特定数据集或知识领域。清单（Manifest）定义原始数据源的摄取方式及转换为结构化知识的规则。

领域专家可预先设计蓝图，定义实体及其关联关系，在查询前将领域知识固化到数据规整层。智能体无需在查询阶段梳理语料库结构，直接沿用专家的梳理逻辑。

数据摄取通过连接器实现，支持本地文件、Box和Microsoft OneLake。Pinecone表示，对Google Drive、Slack、GitHub、Notion、Confluence和S3的支持即将推出。数据规整后可通过KnowQL查询，智能体、聊天机器人和推荐系统均可使用。

Nexus提供预览体验区，用户可连接数据源、设计上下文并运行查询，验证方案可行性。同时提供BYOC（自带云）部署选项，适用于对数据驻留、安全和合规性有强制性要求的业务环境。

市面上同类产品有Cognite、RationalAI、LlamaIndex等。Nexus的早期数据来自Pinecone自身报告，需独立验证。性能提升和成本降低的具体数字（如完成率、准确率、词元消耗比例）均为Pinecone声称，尚未经第三方确认。此外，Nexus对复杂跨领域任务的泛化能力、大规模部署的稳定性等尚未公开。