📌 项目地址：topoteretes/cognee | ⭐ 18,535 颗星 | 🔧 Python | 📜 未标注
Cognee 是什么：AI Agent 的长期记忆层
当前的 LLM 应用和 Agent 普遍面临一个尴尬问题：会话结束后，模型就“失忆”了。每次重新对话，Agent 都像从未见过用户一样，无法记住之前的上下文、偏好和已经处理过的数据。Cognee 正是为了解决这一痛点而生的开源项目。
它不是一个简单的对话历史缓存，而是一个完整的“记忆平台”——你向它输入任何格式的数据（文本、PDF、网页、数据库记录等），它会自动构建一个自托管的本地知识图谱，结合向量嵌入、图谱推理和认知科学启发的本体生成（ontology generation），让 Agent 不仅能搜索到语义相关的片段，还能理解不同信息之间的关联关系，并且随着知识积累不断演化。
项目官方论文《Optimizing the Interface Between Knowledge Graphs and LLMs for Complex Reasoning》（arXiv:2505.24478）详细解释了这种设计背后的原理。
快速上手：三行代码搭建 Agent 记忆
按照 README 中的 Quickstart，安装和启动只需几分钟（环境：Python 3.10 至 3.14）。
pip install cognee
接下来你需要配置一个 LLM 提供者和一个 embedding 模型。Cognee 支持 OpenAI、Anthropic、Ollama（本地）等多种来源。示例配置方式如下（以环境变量形式）：
export OPENAI_API_KEY="your-key"
export LLM_MODEL="gpt-4o"
export EMBEDDING_MODEL="text-embedding-3-small"
然后在 Python 中写入核心逻辑：
import cognee
# 1. 添加数据（支持文本、文件路径、目录）
cognee.add("人工智能正在改变医疗诊断领域，尤其是图像识别技术。")
# 2. 处理数据：切分、生成嵌入、构建知识图谱
cognee.process_data()
# 3. 搜索：让 Agent 根据记忆回答问题
result = cognee.search("医疗诊断中使用了哪些人工智能技术？")
print(result)
cognee.search() 返回的结果不仅包含语义相关的文本片段，还可能包含图谱路径中的关联信息。如果你想从已有的 PDF 或网页开始，只需把字符串换成文件路径或 URL 即可。
完整的端到端 Colab 示例可以在 这里 直接上手体验。
与同类工具的差异：不止于向量存储
目前市面上给 AI Agent 加记忆的方案主要有三类：
- 简单的历史缓存（像 LangChain 的 ConversationBufferMemory）：只能记住对话原文，无法理解语义关系，也无法跨会话复用。
- 纯向量数据库 + 检索（如 Pinecone、Weaviate + 常规 RAG）：能找到相似文本，但丢失了实体之间的关联（比如“A 的客户 B 后来投资了 C”这类多跳关系）。
- Cognee：同时支持向量搜索和图推理。它在索引阶段就构建了实体和关系的图谱，因而可以回答“某件事的因果链条是什么”这类需要多步推理的问题。此外，它还内置了本体生成机制，能够从数据中自动提炼出概念分类体系（类似“用户”、“订单”、“诊断报告”这样的类），让记忆结构更贴近真实业务场景。
Cognee 还支持跨 Agent 知识共享（同一个图谱可以被多个 Agent 读写）和租户隔离（不同用户的数据物理或逻辑分隔），适合企业内部的多 agent 协作系统。
注意事项
- 许可证：项目 LICENSE 文件未在 README 中详细说明，请查阅仓库根目录的 LICENSE 文件确认商用条款。
- 依赖大型语言模型：Cognee 本身不是一个 LLM，它依赖你提供的 LLM（OpenAI / Anthropic / 本地 ollama）来做实体提取、关系推理等任务，因此需要你有相应的 API key 或本地推理资源。
- 数据安全：因为知识图谱是自托管的，你可以选择完全本地运行（用 Ollama 提供 LLM 和 embedding），避免数据离开你的网络。READEME 还提到支持 OTEL collector（开放遥测）和 audit traits，适合需要审计跟踪的场景。
- 性能与规模：作为开源早期项目（GitHub Stars 18535），建议在正式生产环境前先在中等规模数据集上测试，并关注官方文档中关于数据库、向量索引的配置选项。
如果你正在构建需要“记住过去”的客服 Agent、企业内部知识助手、个人助手（如 Open Interpreter、Claude Code）的底层记忆系统，Cognee 提供了一个开箱即用的框架值得尝试。