Pinecone Nexus 與 KnowQL：Agent 時代的知識基礎設施不只是向量搜尋
Pinecone 這篇文章宣告 Nexus 與 KnowQL，核心主張是：agent 的主要瓶頸不再只是向量搜尋，而是知識基礎設施。傳統 RAG 讓 agent 在 inference time 不斷 retrieve、讀 chunks、補查、合成，成本高且不穩；Nexus 試圖把推理前移到 knowledge compilation，預先產生可治理、可引用、可組合、任務最佳化的 knowledge artifacts，再用 KnowQL 讓 agent 宣告自己需要的 intent、filter、provenance、output shape、confidence 與 budget。
Nexus 不是一般 retrieval system，而是 Pinecone 對「agentic AI 時代 knowledge engine」的產品化定義：把 raw enterprise data 編譯成 agent 可直接使用的任務知識。
人類搜尋可以接受 links / chunks；agent 長任務需要可執行、可追溯、低延遲、可治理的 context。否則 agent 大量 token 花在找資料，而不是完成任務。
Context compiler：把來源資料與 task spec 編譯成 specialized contexts / artifacts。Composable retriever：依 agent 需求輸出結構化、低延遲、帶引用與 confidence 的知識。
KnowQL 是 Pinecone 提出的 agent knowledge query language，用六個 primitive 讓 agent 能宣告需要什麼知識、格式、來源、信心與成本/延遲邊界。
| 比較 | 傳統 RAG / Chunk Retrieval | Pinecone Nexus 的主張 |
|---|---|---|
| 輸入給 agent | raw chunks、文件片段、相似搜尋結果 | task-optimized artifacts、typed fields、per-field citations |
| 推理位置 | inference time，LLM 每次重新讀 context | knowledge compilation time，先建可重用知識表示 |
| 治理 | 常依賴應用層補 RBAC、PII、引用與 audit | RBAC scope、PII tagging、versioning、usage / spend dashboard 內建於 knowledge layer |
| 延遲 / 成本 | 候選越多、任務越長，token 與 latency 越不可控 | 透過 budget envelope、artifact reuse、結構化輸出降低查詢成本 |
| 系統語義 | 「找資料」 | 「把資料轉成 agent 可完成任務的知識」 |
輸入 source data 與 task spec，產生專門為任務設計的 contexts / artifacts。它不是單純整理資料，而是反覆實驗表示法、對任務評估、收斂到 agent 需要的知識結構。
在 query time 提供已策展的 artifacts，支援低延遲、跨來源組合、typed fields、field-level citations、confidence levels 與 deterministic conflict resolution。
不是暫時檢索結果，而是可版本化、可重用、會隨互動累積的 durable knowledge representation；Pinecone 稱其為 organization 的 system of knowledge。
文章強調企業級 agent 需要 ACL-aware filtering、PII handling、per-field citations、confidence scores、usage / spend / compliance visibility，而不是把治理留給最後一層 prompt。
| KnowQL primitive | 讓 agent 能表達什麼 | 解決的痛點 |
|---|---|---|
| intent | 這次任務真正要完成什麼 | 避免只用自然語言 query 猜測資料需求 |
| filter | 資料範圍、權限、時間、來源、業務條件 | 避免撈到不該看或不相關的資料 |
| provenance | 要求來源、引用、轉換鏈與可追溯性 | 把 grounded answer 與 auditability 變成 contract |
| output shape | 要求回傳欄位、格式、結構 | 避免 agent 每次從 raw text 重新 parse |
| confidence | 要求信心分數與不確定性暴露 | 讓 agent 分辨事實、推測與衝突 |
| budget | 延遲、深度、成本或 token envelope | 讓 retrieval 不再無限制消耗時間與費用 |
同一份資料 estate 可能包含 Salesforce、Slack、Gong、Gmail、Jira、Google Drive、warehouse。Sales agent 需要 deal context；Finance agent 需要 revenue context；Marketing agent 需要 attribution context；CEO agent 需要 cross-functional signal。
System of record 記錄發生了什麼；system of knowledge 則把跨系統資料編譯成不同 agent / task 可以理解與行動的知識 artifact。
Pinecone Marketplace 提供 production-ready knowledge applications，launch 時宣稱有 90+ 應用，覆蓋 Sales、Insurance、Real Estate、Legal、HR、Customer Support 等類別。
同篇公告也包含 Builder tier 20 美元/月、Dedicated Read Nodes、BYOC、native full-text search public preview、新 AWS regions 等基礎設施更新。
- 不要把企業 agent 的知識層只設計成「向量資料庫 + chunks」；應定義任務型 artifact：例如客戶狀態、專案風險、財務沖銷脈絡、支援升級摘要。
- 每個 artifact 應有 source lineage、版本、更新頻率、權限 scope、欄位級引用與 confidence，而不是只留一段 LLM 摘要。
- Agent tool schema 應從「search(query)」進化到「get_context(intent, filters, output_schema, budget)」。這就是 KnowQL 類 primitive 的產品價值。
- 如果 agent 常在同類任務重複查資料，表示該任務需要 compilation：把高頻檢索流程固化成 reusable context artifact。
- 把 token cost 當成 knowledge infra 指標，而不是 LLM provider bill 的事後統計；retrieval 層要能管理查詢深度、候選數與輸出格式。
- 治理不要只靠 prompt：「請不要看不該看的資料」無效。RBAC、PII、tenant isolation、audit log 必須在 knowledge layer 執行。
Pinecone Blog: Pinecone Nexus: The Knowledge Engine for Agents
Authors: Ash Ashutosh、Edo Liberty；published 2026-05-04。
Key terms checked from source: Pinecone Nexus、KnowQL、context compiler、composable retriever、knowledge artifacts、system of knowledge、intent / filter / provenance / output shape / confidence / budget、Pinecone Marketplace、Builder Tier、Dedicated Read Nodes、BYOC、native full-text search。