Pinecone 2.0 — Edo Liberty, Pinecone
三句話摘要
企業 AI 代理缺乏對公司文化與流程的理解,Nexus 知識層提供持久化、專化、動態更新的架構以解決此問題。 為企業 AI 代理建立專化、持久、動態的知識層,能以更少資源產生更快、更準確的成果。 心智理論缺失:AI 代理對企業資訊的理解程度類似新進員工——掌握通用知識(LLM 訓練資料)和特定知識(透過 RAG 檢索的私密資訊),但缺乏「部落知識」,即公司文化、優先級、決策原則、做事流程。此知識無法透過搜尋單一文件獲得,而是累積的組織集體智慧,必須透過實際體驗領會。
重點整理
心智理論缺失:AI 代理對企業資訊的理解程度類似新進員工——掌握通用知識(LLM 訓練資料)和特定知識(透過 RAG 檢索的私密資訊),但缺乏「部落知識」,即公司文化、優先級、決策原則、做事流程。此知識無法透過搜尋單一文件獲得,而是累積的組織集體智慧,必須透過實際體驗領會。
知識層的三項必要特性:持久性(建設成本高,應建置一次供全公司使用)、專化性(HR、工程、營運各有不同需求,應由領域專家維護與更新)、動態同步能力(與組織變化立即同步,如 CEO 更替隔天全公司皆知)。
Nexus 四層架構設計:連接器管理資料權限與存取;上下文層包含語義地圖、markdown 知識檔、SQL 表格、向量資料庫、圖譜關係,由清單驅動自動管理;任務層提供匯入、策管、搜尋、查詢等動作;NoQL 介面讓代理指定 token 預算與精度需求。
執行時程式碼代理的創新:不同於傳統程式碼編輯(修改後部署),Nexus 在查詢時動態生成程式碼、執行、根據結果迭代調整,最終產出可重複執行的程式碼,同時將提示詞需求從 150,000 tokens 驟降至 1,000 tokens。
實用技巧與重點
- 知識分類:通用知識、特定知識、部落知識
- Nexus 四部分:連接器、上下文、任務、查詢
- 上下文五種內容類型:語義地圖、markdown 檔、SQL 表格、向量資料庫、圖譜關係
- 任務類型:匯入(import)、策管(curate)、搜尋(search)、查詢(NoQL)
- 早期客戶部署成果:
- Token 消耗減少:77-90%
- 執行速度提升:20-77%
- 準確度提升:顯著改善
- 提示詞需求:150,000 tokens → 1,000 tokens
- Nexus 發佈狀態:從早期存取進入公開預覽(當日隔天推出)
結論
為企業 AI 代理建立專化、持久、動態的知識層,能以更少資源產生更快、更準確的成果。
完整解析
企業 AI 代理面臨的根本問題源於對組織認知的缺失。講者以 Yahoo Answers 的趣味案例開場——使用者問「我很胖嗎?」,暴露了人們對產品認知的謬誤。類似地,現代 AI 代理在企業中存在同樣問題:它們掌握通用知識(來自公開領域的 LLM 訓練資料)和特定知識(透過 RAG 檢索的公司私密資訊),但對組織的文化、優先級、決策流程等「部落知識」一無所知。這不是搜尋單一文件能解決的——它是員工多年積累的集體智慧,唯有在實際體驗中才能領會。
因此,企業真正需要的是一個專化、持久、動態的知識層架構。它必須持久化一次,供全公司使用;必須依領域專化,由相關專家維護;必須與組織變化同步更新。Nexus 就是這樣的實現。
Nexus 由四個核心部分組成。連接器負責安全地引入資料,尊重權限與控制。上下文是知識核心——包含語義地圖(組織目錄與架構)、markdown 知識檔(決策與記憶)、SQL 表格(可彙總的事實)、向量資料庫(語意搜尋)與圖譜結構(實體關係與因果鏈)。這一切透過「清單」管理——代理只需描述「我關心什麼」「要追蹤哪些實體」,知識層便自動組織、維護所有底層資料。任務層定義互動方式:匯入新增資訊、策管(curate)更新世界觀、搜尋抽象化存取、NoQL 讓代理指定預算與精度。
最創新的是執行時程式碼代理。不同於傳統程式碼編輯,Nexus 在查詢時動態生成程式碼、執行、根據結果迭代——如同 Jupyter notebook。代理寫程式、檢查結果、重寫,最終產出可重複執行的程式碼。這種方法極其靈活,還意外大幅減少提示詞需求——從 150,000 tokens 驟降至 1,000 tokens。
實際部署結果令人矚目。早期客戶跨越不同產業、企業、任務類型,普遍顯示 token 消耗減少 77-90%、速度快 20-77%、準確度同步提升。


