pinecone-query

Pinecone 查询技能

通过 Pinecone MCP 服务，使用自然语言文本查询搜索 Pinecone 集成索引中的记录。

<<clarify_style>>

此技能的用途是什么？

此技能提供了一种简单的方法，可使用文本查询搜索集成索引（内置 Pinecone 嵌入模型的索引）。MCP 服务会自动将文本转换为嵌入向量并搜索索引。

前提条件

必需：

1. ✅ 必须配置 Pinecone MCP 服务——检查 MCP 工具是否可用
2. ✅ 必须设置 PINECONE_API_KEY 环境变量——在 https://app.pinecone.io/?sessionType=signup 获取免费 API 密钥
3. ✅ 索引必须是集成索引——使用 Pinecone 嵌入模型（例如，multilingual-e5-large、llama-text-embed-v2、pinecone-sparse-english-v0）

不要使用此技能的情况

以下情况请改用 pinecone-cli 技能：

• ❌ 你的索引是标准索引（没有集成嵌入模型）
• ❌ 你需要使用自定义向量值（而非文本）进行查询
• ❌ 你需要执行高级向量操作（按 ID 获取、列出向量、批量操作）
• ❌ 你的索引使用第三方嵌入模型（OpenAI、HuggingFace、Cohere）

MCP 限制：Pinecone MCP 目前仅支持集成索引。对于所有其他用例，请使用 pinecone-cli 技能。

工作原理

使用 Pinecone MCP 的 search-records 工具，通过文本查询搜索指定 Pinecone 集成索引中的记录。

工作流

重要：继续操作前，请确认 Pinecone MCP 工具可用。 如果无法访问 MCP 工具：

• 告知用户需要配置 Pinecone MCP 服务
• 检查是否已设置 PINECONE_API_KEY 环境变量
• 引导用户查看 MCP 设置文档或 pinecone-help 技能

1. 解析用户输入，提取以下内容：

   • query（必需）：要搜索的文本。
   • index（必需）：要搜索的 Pinecone 索引名称。
   • namespace（可选）：索引中的命名空间。
   • reranker（可选）：用于提高相关性的重排序模型。

2. 如果用户省略了必需参数：

   • 如果只提供了索引名称，使用 describe-index 工具获取可用命名空间，并请用户选择。
   • 如果只提供了查询内容，使用 list-indexes 获取可用索引，请用户选择一个；如有需要，再使用 describe-index 获取命名空间。

3. 使用收集到的参数调用 search-records 工具执行搜索。

4. 将返回结果整理为清晰易读的表格并展示，其中应包含字段摘要（例如 ID、分数和相关元数据）。

---

故障排除

必须提供 PINECONE_API_KEY。 在 https://app.pinecone.io/?sessionType=signup 获取免费密钥

如果遇到访问错误，很可能是缺少密钥。请用户设置密钥并重启 IDE 或 Agent 会话： <<api_key_setup>>

重要 目前，pinecone-query 技能只能用于集成索引，这类索引使用 Pinecone 托管的嵌入模型来嵌入和搜索数据。 如果用户尝试查询使用 OpenAI 等第三方 API 模型或 HuggingFace 嵌入模型的索引，请提醒他们，Pinecone MCP 服务目前尚不支持此功能。

• 如果缺少必需参数，请提示用户补充，并根据需要使用 Pinecone MCP 工具（例如 list-indexes、describe-index）。
• 通过交互式引导用户选择参数，直到能够完成搜索。
• 如果任何参数的值无效（例如，不存在的索引或命名空间），请指出错误并建议有效选项。

工具参考

• search-records：在指定索引中搜索记录，可选择按元数据筛选和重新排序。
• list-indexes：列出所有可用的 Pinecone 索引。
• describe-index：获取索引配置和命名空间。
• describe-index-stats：获取统计信息，包括记录数和命名空间。
• rerank-documents：使用指定的重新排序模型对返回的文档重新排序。
• 必要时，通过交互方式询问用户以澄清缺失的信息。

---