无需条件逻辑，如何避免开发环境调用Pinecone生产数据库？

现有条件逻辑部署到生产环境是否合理？ #

这种硬编码的环境判断逻辑完全不合理，核心问题包括：

1. 冗余死代码：生产环境永远不会触发DEV分支的跳过逻辑，属于无效代码，增加维护负担。
2. 配置风险：若生产环境误将ENV_MODE设为DEV，会直接导致数据无法写入生产库；反之若开发环境配置错误，可能意外写入生产数据。
3. 扩展性极差：后续新增测试、预发布等环境时，需要不断叠加if判断，代码会逐渐臃肿混乱。

更优替代方案 #

1. 多环境配置完全隔离 #

给每个环境（开发、测试、生产）分配独立的Pinecone索引，通过环境变量注入索引名称、API密钥、环境区等配置，代码中直接使用配置项，无需任何环境判断。

示例代码：

import os
import pinecone

# 从环境变量加载对应环境的配置
pinecone.init(
    api_key=os.getenv("PINECONE_API_KEY"),
    environment=os.getenv("PINECONE_ENVIRONMENT")
)
INDEX_NAME = os.getenv("PINECONE_INDEX_NAME")

def add_to_vector_database(data):
    index = pinecone.Index(INDEX_NAME)
    index.upsert(data)  # 直接执行操作，配置已隔离环境

• 开发环境配置文件（.env.dev）：指定开发专用索引dev-user-vectors
• 生产环境配置文件（.env.prod）：指定生产索引prod-user-vectors
• 部署时加载对应环境的配置，代码无需修改，彻底隔离测试与生产数据。

2. 测试阶段用Mock替代真实调用 #

在单元/集成测试中，用Mock对象模拟Pinecone客户端行为，完全脱离真实服务，仅验证代码逻辑的正确性，不会产生任何测试数据。

示例（基于pytest）：

def test_add_to_vector_database(mocker):
    # 模拟Pinecone的Index对象及upsert方法
    mock_index = mocker.Mock()
    mocker.patch("pinecone.Index", return_value=mock_index)
    
    test_data = [("test-id", [0.1, 0.2], {"user": "test"})]
    add_to_vector_database(test_data)
    
    # 验证upsert是否被正确调用
    mock_index.upsert.assert_called_once_with(test_data)

3. 测试数据标识+清理机制 #

如果必须使用真实Pinecone索引做测试，可给测试数据添加专属标识（如ID前缀test_、元数据{"env": "dev"}），测试完成后通过清理脚本批量删除测试数据。

示例代码：

def add_to_vector_database(data):
    index = pinecone.Index(os.getenv("PINECONE_INDEX_NAME"))
    if os.getenv("ENV_MODE") == "DEV":
        # 给测试数据添加标识
        tagged_data = [(f"test_{id}", vec, {**meta, "env": "dev"}) for id, vec, meta in data]
        index.upsert(tagged_data)
    else:
        index.upsert(data)

# 测试结束后执行清理
def clean_test_data():
    index = pinecone.Index(os.getenv("PINECONE_INDEX_NAME"))
    index.delete(filter={"env": "dev"})

注：此方案仅作为补充，优先推荐配置隔离方案。

4. CI/CD分支环境绑定 #

通过CI/CD流程给不同代码分支绑定对应环境：

• 开发分支（dev）部署时加载开发环境配置，连接测试索引
• 主分支（main）部署时加载生产环境配置，连接生产索引
  代码无需任何环境判断，完全由部署流程控制环境隔离。

内容的提问来源于stack exchange，提问作者patrick menendez