SkilloptionalHermes Optional Skills

Pinecone Research

Name: Pinecone Research
Author: immuhammadfurqan

Pinecone Research: مهارة ينشرها immuhammadfurqan. مجالها قراءة قواعد البيانات والاستعلام عنها. يوفّر السجل أمر تثبيت جاهزًا يظهر في هذه الصفحة. الرخصة MIT. الإصدار الموثّق 1.0.0. تُفعَّل بأمر `hermes skills install pinecone-research` بعد مراجعة ما تطلبه. تعتمد على: pinecone-client, langchain-pinecone. تدعم: linux، macos، windows.

RAGPineconeMemoryResearchVector DatabaseAgentRetrievalOptional

آخر تحقق من السجل2026-08-18v1.0.0immuhammadfurqan

افتح المصدر الأصلي ↗Read in English

المعنى ببساطة

ماذا يضيف إلى Hermes؟

Pinecone Research: مهارة ينشرها immuhammadfurqan. مجالها قراءة قواعد البيانات والاستعلام عنها. يوفّر السجل أمر تثبيت جاهزًا يظهر في هذه الصفحة. الرخصة MIT. الإصدار الموثّق 1.0.0. تُفعَّل بأمر hermes skills install pinecone-research بعد مراجعة ما تطلبه. تعتمد على: pinecone-client, langchain-pinecone. تدعم: linux، macos، windows.

Pinecone Research هي مهارة مرتبطة بمجال قواعد البيانات والبيانات. يمنح الوكيل طريقة منظمة لقراءة البيانات أو الاستعلام عنها. بعض الأدوات قد تسمح بالكتابة أيضًا، لذلك تحتاج إلى حدود واضحة.

هذا تفسير مبسّط مبني على وصف الناشر. أبقينا الوصف الإنجليزي بجانبه حتى تستطيع مقارنة المعنى بالمصدر.

استخدمه عندما

استخدمه عندما يكون هدفك واضحًا في قواعد البيانات والبيانات وتستطيع تحديد البيانات والأفعال التي يحتاجها فقط.

لا تحتاجه عندما

لا تضفه لمجرد التجربة إذا كان لديك طريق أبسط داخل Hermes، أو إذا لم تستطع مراجعة المصدر والصلاحيات.

لمن يناسب؟

مناسب لمن يريد طريقة عمل قابلة للتكرار داخل Hermes.

أول اختبار آمن

استخدم قاعدة بيانات تجريبية وحساب قراءة فقط، ثم اطلب استعلامًا بسيطًا لا يغيّر أي سجل.

الوصف الأصلي من الناشر، من دون ترجمة تغيّر المعنى

Agent RAG and long-term memory with Pinecone

✓

مصدر البيانات

فُهرس هذا الإدخال من Hermes Optional Skills. الشرح العربي يفسّر النوع والمجال ولا يضيف وظيفة غير مذكورة في المصدر.

مراجعة الأمان

المصدر رسمي أو خضع لمراجعة تحريرية، لكن ذلك لا يغني عن مراجعة الصلاحيات والإصدار.

مسار تثبيت آمن

افحص، ثبّت، ثم اختبر.

01
افتح المصدر
طابق اسم الناشر والرخصة والوصف مع حاجتك، وراجع آخر تحديث فعلي.
02
راجع الصلاحيات والأسرار
لا تلصق قيمة سر داخل الموقع. استخدم أسماء متغيرات البيئة وامنح أقل نطاق ممكن.
03
انسخ الإعداد فقط بعد المراجعة
الأزرار أدناه تنسخ نصًا إلى الحافظة ولا تشغّل أمرًا على جهازك.
04
اختبر بمهمة غير حساسة
تحقق من الأدوات الظاهرة، ثم استبعد أدوات الكتابة أو الحذف التي لا تحتاجها.

أمر التثبيت

راجع الأمر ثم انسخه.

hermes skills install pinecone-research

لا ينفّذ Hermes بالعربي هذا الأمر. التثبيت يحدث داخل جهازك ويظل خاضعًا لفحص Hermes ومراجعتك.

تعريف المهارة كاملًا

ما الذي يحمّله Hermes بالضبط عند تشغيل هذه المهارة.

منقول من التوثيق الرسمي. اقرأه قبل تفعيل المهارة، فهذا النص يصبح تعليمات الوكيل نفسه.

Agent RAG and long-term memory with Pinecone.

Skill metadata

جدول مرجعي. لا تقرأه كله، ابحث عن السطر الذي يخصّك فقط.

Source	Optional — install with `hermes skills install official/research/pinecone-research`
Path	`optional-skills/research/pinecone-research`
Version	`1.0.0`
Author	immuhammadfurqan
License	MIT
Dependencies	`pinecone-client`, `langchain-pinecone`
Platforms	linux, macos, windows
Tags	`RAG`, `Pinecone`, `Memory`, `Research`, `Vector Database`, `Agent`, `Retrieval`

Reference: full SKILL.md

شرح للفكرة نفسها. اقرأه ببطء، فبقية الأقسام تبني عليه.

Use Pinecone as a retrieval-augmented generation (RAG) backend for agent conversations: persist embeddings, retrieve relevant context from past sessions, and build long-term memory.

When to use this skill

شرح للفكرة نفسها. اقرأه ببطء، فبقية الأقسام تبني عليه.

Use when:

Building agent RAG pipelines with Pinecone as the vector store
Need persistent long-term memory across agent sessions
Combining retrieval with agent tool use
Researching or prototyping semantic search workflows

Use the mlops/pinecone skill instead when:

Need a general Pinecone reference (index management, CRUD, hybrid search)
Working on production infrastructure without agent integration

Quick start

خطوات عملية بالترتيب. نفّذ خطوة وتأكد أنها نجحت قبل الانتقال للتالية.

Setup

Shellسطر واحد

pip install pinecone-client langchain-pinecone langchain-openai

Set your API key:

Shellسطر واحد

export PINECONE_API_KEY="your-api-key"

Basic RAG pipeline

Python27 سطرًا

from pinecone import Pinecone, ServerlessSpec
from langchain_pinecone import PineconeVectorStore
from langchain_openai import OpenAIEmbeddings

# Initialize Pinecone
pc = Pinecone(api_key=os.environ["PINECONE_API_KEY"])

# Create or connect to index
index_name = "agent-memory"
if index_name not in [i.name for i in pc.list_indexes()]:
    pc.create_index(
        name=index_name,
        dimension=1536,
        metric="cosine",
        spec=ServerlessSpec(cloud="aws", region="us-east-1"),
    )

# Build vector store
vectorstore = PineconeVectorStore.from_documents(
    documents=docs,
    embedding=OpenAIEmbeddings(),
    index_name=index_name,
)

# Retrieve relevant context
retriever = vectorstore.as_retriever(search_kwargs={"k": 5})
results = retriever.invoke("What did the agent discuss yesterday?")

Namespace-based session memory

Python13 سطرًا

# Store per-session memory
vectorstore = PineconeVectorStore(
    index=pc.Index(index_name),
    embedding=OpenAIEmbeddings(),
    namespace=f"session-{session_id}",
)

# Query across all sessions (no namespace filter)
all_memory = PineconeVectorStore(
    index=pc.Index(index_name),
    embedding=OpenAIEmbeddings(),
)
results = all_memory.similarity_search("relevant query", k=10)

Best practices

شرح للفكرة نفسها. اقرأه ببطء، فبقية الأقسام تبني عليه.

Namespace by session or user — isolate data for multi-tenant agents
Batch upserts — 100–200 vectors per batch for efficiency
Metadata filtering — tag vectors with session ID, timestamp, topic
Prune old memory — delete stale namespaces to control costs
Use serverless — auto-scaling, pay-per-use pricing

Resources

شرح للفكرة نفسها. اقرأه ببطء، فبقية الأقسام تبني عليه.

Pinecone Docs: https://docs.pinecone.io
LangChain Integration: https://python.langchain.com/docs/integrations/vectorstores/pinecone
Free Tier: 1 index, 100K vectors (1536 dimensions)