构建RAG模型时Pinecone向量库遇Api-Key未指定配置错误

问题核心：你手动创建了Pinecone客户端实例，但LangChain的PineconeVectorStore.from_documents方法无法复用这个实例的配置，它需要单独传入API Key，或者通过环境变量、已有的索引实例来获取认证信息。

解决方案1：直接在from_documents中传入API Key #

修改调用from_documents的代码，补充API Key参数（同时修正原代码中参数间缺失的逗号）：

docsearch = PineconeVectorStore.from_documents(
    documents=doc,
    index_name=index_name,
    embedding=embedding, 
    namespace=namespace,
    api_key='a561dac3-3246-4aff-97fb-1f648d2ce750',
    host="https://text-embeddings-nudmpai.svc.aped-4627-b74a.pinecone.io"
)

解决方案2：复用已创建的Pinecone索引实例 #

先获取已创建的索引，再用该实例初始化PineconeVectorStore，避免重复配置：

# 获取已存在的索引
index = pc.Index(index_name)

# 用索引实例创建PineconeVectorStore并添加文档
docsearch = PineconeVectorStore(
    index=index,
    embedding=embedding,
    namespace=namespace
)
docsearch.add_documents(documents=doc)

解决方案3：通过环境变量配置（推荐） #

将API Key和Host设置为环境变量，LangChain会自动读取，避免硬编码：

import os
os.environ["PINECONE_API_KEY"] = "a561dac3-3246-4aff-97fb-1f648d2ce750"
os.environ["PINECONE_HOST"] = "https://text-embeddings-nudmpai.svc.aped-4627-b74a.pinecone.io"

# 调用from_documents时无需再传api_key和host
docsearch = PineconeVectorStore.from_documents(
    documents=doc,
    index_name=index_name,
    embedding=embedding, 
    namespace=namespace
)

内容的提问来源于stack exchange，提问作者Prerna