项目地址https://github.com/topoteretes/cognee官方文档https://docs.cognee.ai/许可证Apache 2.0一、Cognee 是什么Cognee 是一个开源 AI 记忆平台核心目标是给 AI Agent 装上长期记忆大脑。简单来说没有 Cognee每次对话都是全新的AI 不记得你之前说过什么有了 CogneeAI 能跨会话记住你的偏好、历史、上下文并且能把零散信息串联成知识图谱它结合了三种技术向量嵌入Vector Embeddings— 语义搜索找意思相近的内容知识图谱Knowledge Graph— 关系推理找有联系的知识认知科学本体— 让知识随时间演化和自我完善二、支持哪些 AI 平台Cognee 通过官方集成仓库cognee-integrations提供了多平台支持AI 平台集成状态安装方式说明Claude Code✅ 已支持插件市场安装最完善的集成支持会话记忆、知识图谱同步Claude Agent SDK✅ 已支持pip 安装Python SDK 级别集成Codex✅ 已支持插件市场安装本地插件提供 CLI 技能Hermes Agent✅ 已支持pip 安装独立的 Hermes 记忆提供者插件VS Code (Copilot)⚠️ 间接支持通过 MCP ServerCognee 提供 MCP 服务器任何支持 MCP 协议的工具都可连接其他支持的平台平台类型OpenAI AgentsPython 集成LangGraphPython 集成CrewAIPython 集成Google ADKPython 集成Dify工具插件n8n节点插件StrandsPython 集成OpenClawTypeScript 插件三、用和不用 Cognee 的区别不用 Cognee传统方式用户:我喜欢简洁的代码风格AI:好的明白了[新会话开始]用户:帮我写一个函数AI:请问你偏好什么代码风格← 完全不记得了每次会话独立无记忆延续无法从历史对话中学习多个 Agent 之间无法共享知识大量上下文重复输入浪费 token使用 Cognee用户:我喜欢简洁的代码风格Cognee:[存入知识图谱][新会话开始]用户:帮我写一个函数AI:根据你之前的偏好我用简洁风格来写← 记住了持久记忆跨会话保持上下文知识图谱自动关联零散信息形成结构化知识智能检索根据语义自动找到最相关的历史记忆多 Agent 共享不同 Agent 可以访问同一个知识库会话缓存快速缓存 后台同步到图谱兼顾速度和持久性核心差异对比维度不用 Cognee用 Cognee记忆持久性会话结束即丢失永久保存在知识图谱上下文理解仅当前对话跨会话、跨 Agent 的全局上下文知识关联无自动构建知识图谱发现隐藏关联检索方式关键词匹配语义搜索 图推理混合检索多 Agent 协作各自独立共享统一知识库Token 效率重复输入上下文按需检索相关记忆四、核心功能1. 四大操作importcognee# 记住 — 存入知识图谱awaitcognee.remember(用户的偏好是简洁风格)# 回忆 — 智能检索resultsawaitcognee.recall(用户喜欢什么风格)# 遗忘 — 删除特定记忆awaitcognee.forget(datasetmain_dataset)# 改进 — 优化知识图谱awaitcognee.improve()2. 双层记忆架构会话记忆Session Memory快速缓存同步操作适合即时对话永久记忆Knowledge Graph持久化存储支持复杂推理# 会话记忆快速awaitcognee.remember(用户在讨论支付问题,session_idsupport_123)# 永久记忆持久awaitcognee.remember(公司退款政策是30天内可退)3. 混合检索引擎向量搜索找语义相似的内容图遍历找有关系的知识节点自动路由根据查询类型自动选择最佳检索策略4. 多格式数据摄入支持任意格式的数据输入文档、文本、对话记录、API 响应等。5. 灵活的存储后端组件支持的后端向量数据库pgvector, Qdrant, ChromaDB, Weaviate, Milvus, LanceDB图数据库PostgreSQL推荐, Neo4j, Neptune会话缓存PostgreSQL, Redis开发环境SQLite LanceDB Kuzudb零配置6. MCP 服务器Cognee 提供 MCPModel Context Protocol服务器任何支持 MCP 的 AI 工具都可以直接连接使用。五、安装教程前置要求Python 3.10 ~ 3.14一个 LLM API KeyOpenAI、Anthropic 等方式一pip 安装推荐新手# 安装 Cogneepipinstallcognee# 如果使用 PostgreSQL 作为后端pipinstallcognee[postgres]方式二uv 安装推荐uv pipinstallcognee方式三Docker 部署# 克隆仓库gitclone https://github.com/topoteretes/cognee.gitcdcognee# 复制环境变量模板cp.env.template .env# 编辑 .env填入 LLM_API_KEY# 启动服务dockercompose up# 可选附加 UI / MCP / PostgreSQL / Neo4jdockercompose--profileui up# 前端界面 http://localhost:3000dockercompose--profilemcp up# MCP 服务器 http://localhost:8001dockercompose--profilepostgres up# PostgreSQL pgvectordockercompose--profileneo4j up# Neo4j 图数据库配置 LLM创建.env文件或设置环境变量# OpenAI默认LLM_API_KEYsk-your-openai-api-key# 或者使用其他 LLM 提供商见官方文档验证安装importcogneeimportasyncioasyncdefmain():awaitcognee.remember(Hello Cognee!)resultsawaitcognee.recall(What did I just say?)forrinresults:print(r)asyncio.run(main())六、各平台安装指南Claude Code 安装# 添加插件市场并安装一次性操作claude plugin marketplaceaddtopoteretes/cognee-integrations claude plugininstallcognee-memorycognee# 设置环境变量exportLLM_API_KEYsk-...# 启动 Claude Codeclaude# 启动后应看到 Cognee Memory Connected 提示工作原理SessionStart初始化记忆身份UserPromptSubmit注入相关历史上下文PostToolUse捕获工具调用记录Stop写入助手回答SessionEnd同步到永久知识图谱Codex 安装通过 Codex 本地插件市场安装提供以下技能Cognee 设置记忆管理代码库摄入UI 启动Hermes Agent 安装pipinstallcognee-integration-hermes-agentVS Code通过 MCPVS Code 中使用 Cognee 需要通过 MCP 协议连接# 启动 Cognee MCP 服务器cognee-cli-ui# 或者直接运行 Docker 镜像dockerrun-eTRANSPORT_MODEhttp --env-file ./.env-p8001:8000--rm-itcognee/cognee-mcp:main然后在 VS Code 中配置 MCP 服务器地址即可。七、CLI 命令速查# 记忆cognee-cli remember要记住的内容# 回忆cognee-cli recall查询的问题# 遗忘cognee-cli forget--all# 启动本地 UIcognee-cli-ui八、部署方式方式适合场景说明Cognee Cloud不想维护基础设施官方托管服务本地开发开发和测试SQLite LanceDB零配置Docker团队使用一键部署支持多种后端Railway简单 PaaSrailway init railway upFly.io边缘部署持久化存储Modal无服务器自动扩缩容支持 GPU九、性能基准Cognee 在 BEAM 长上下文基准测试中表现优异基准设置Cognee之前最佳普通 RAGBEAM100K tokens0.790.735~0.33BEAM10M tokens0.670.641~0.33十、总结Cognee 解决了 AI Agent 最大的痛点之一记忆。如果你只是偶尔用 AI 聊天不需要 Cognee如果你在构建 AI Agent、需要跨会话记忆、需要多 Agent 协作、需要知识管理Cognee 是目前最成熟的开源方案一句话总结Cognee AI 的长期记忆 知识图谱 智能检索
