必须完成平台侧配置、pinecone索引预建、embedding模型对齐、知识块向量化写入四步闭环操作，缺一导致检索为空或fallback；需确认扣子v2.4.0+版本支持，创建1024维cosine度量的doubao-longterm索引，配置pcsk_开头密钥及环境参数，绑定bge-m3模型并上传测试文档触发向量化。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在扣子（Doubao）中接入Pinecone向量数据库作为外置长期记忆库，必须完成平台侧配置、Pinecone索引预建、Embedding模型对齐、知识块向量化写入四步闭环操作——任一环节缺失都将导致记忆检索返回空结果或触发fallback逻辑。
确认扣子平台支持Pinecone接入能力
登录扣子开发者后台（https://www.doubao.com/dev），进入「智能体设置」→「记忆管理」→「外接记忆源」，检查是否显示「Pinecone」选项。若未出现，说明当前版本不支持原生接入，需切换至自定义API模式；【扣子官方仅在v2.4.0+版本开放Pinecone直连，低于此版本必须通过LangChain封装中转】。
点击「添加记忆源」→ 选择「向量数据库」→ 在下拉菜单中确认存在「Pinecone」条目。存在即代表平台已启用该连接器，可继续后续配置。
在Pinecone控制台完成索引预建与密钥获取
登录Pinecone控制台（https://app.pinecone.io），进入对应Project页面。
复制当前Project的API Key（必须为v3格式，以pcsk_开头）和Environment（如gcp-us-central1）；【旧版sk-开头密钥已失效，强行使用会导致初始化失败且无明确报错】。
手动创建名为doubao-longterm的Index：维度设为【1024】（扣子默认使用bge-m3中文嵌入模型，输出维度为1024），距离度量选cosine，Pod类型选starter（免费层可用）。
这一步不可跳过——扣子不会自动创建Index，未预建将导致后续所有向量写入静默失败，日志中仅显示“vector store init timeout”。
配置扣子智能体的Pinecone连接参数
回到扣子开发者后台，在「外接记忆源」中点击「Pinecone」→「配置」。
填入以下四项必填字段：
- Pinecone API Key：粘贴上一步复制的pcsk_开头密钥
- Environment：粘贴gcp-us-central1等实际环境名
- Index Name：填写doubao-longterm（必须与Pinecone中创建的索引名完全一致，区分大小写）
- Namespace（可选）：留空则默认使用default命名空间；若需多智能体隔离，可填入智能体ID或业务标识符如user_profile_v2
点击「测试连接」按钮。成功时显示绿色“Connected”，失败则弹出具体错误码（常见为401 unauthorized或404 index not found）。
绑定Embedding模型并触发首次向量化
在同一个「外接记忆源」配置页，找到「嵌入模型」下拉框，选择与Pinecone索引维度匹配的模型：【必须选bge-m3】（扣子平台内唯一输出1024维向量的中文模型）。
上传一份测试文档（PDF/Markdown/TXT均可，建议≤50KB），勾选「启用长期记忆」并保存配置。
扣子后台会自动调用bge-m3对文档分块→生成向量→调用pinecone.Index('doubao-longterm').upsert()写入。约90秒后，可在Pinecone控制台的Index详情页查看stats中vectorCount是否增长。
若vectorCount始终为0，立即检查扣子日志中的embedding_task_id字段，用该ID在Pinecone控制台搜索对应upsert请求的trace_id，定位是分块失败还是向量维度不匹配。
