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 Cognee：AI 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：

1. 向量嵌入（Vector Embeddings） — 语义搜索，找"意思相近"的内容
2. 知识图谱（Knowledge Graph） — 关系推理，找"有联系"的知识
3. 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 Server	Cognee 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 Agents	Python 集成
LangGraph	Python 集成
CrewAI	Python 集成
Google ADK	Python 集成
Dify	工具插件
n8n	节点插件
Strands	Python 集成
OpenClaw	TypeScript 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

import cognee

# 记住 — 存入知识图谱
await cognee.remember("用户的偏好是简洁风格")

# 回忆 — 智能检索
results = await cognee.recall("用户喜欢什么风格？")

# 遗忘 — 删除特定记忆
await cognee.forget(dataset="main_dataset")

# 改进 — 优化知识图谱
await cognee.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）
await cognee.remember("用户在讨论支付问题", session_id="support_123")

# 永久记忆（持久）
await cognee.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 MCP（Model 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 Key（OpenAI、Anthropic 等）

方式一：pip 安装（推荐新手）

# 安装 Cognee
pip install cognee

# 如果使用 PostgreSQL 作为后端
pip install "cognee[postgres]"

方式二：uv 安装（推荐）

uv pip install cognee

方式三：Docker 部署

# 克隆仓库
git clone https://github.com/topoteretes/cognee.git
cd cognee

# 复制环境变量模板
cp .env.template .env
# 编辑 .env，填入 LLM_API_KEY

# 启动服务
docker compose up

# 可选：附加 UI / MCP / PostgreSQL / Neo4j
docker compose --profile ui up        # 前端界面 http://localhost:3000
docker compose --profile mcp up       # MCP 服务器 http://localhost:8001
docker compose --profile postgres up  # PostgreSQL + pgvector
docker compose --profile neo4j 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_KEY=sk-your-openai-api-key

# 或者使用其他 LLM 提供商（见官方文档）

验证安装

import cognee
import asyncio

async def main():
    await cognee.remember("Hello Cognee!")
    results = await cognee.recall("What did I just say?")
    for r in results:
        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 marketplace add topoteretes/cognee-integrations
claude plugin install cognee-memory@cognee

# 设置环境变量
export LLM_API_KEY="sk-..."

# 启动 Claude Code
claude
# 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

pip install cognee-integration-hermes-agent

VS Code（通过 MCP）

VS 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
docker run -e TRANSPORT_MODE=http --env-file ./.env -p 8001:8000 --rm -it cognee/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 UI
cognee-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 PaaS	railway init && railway up
Fly.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 RAG
BEAM	100K tokens	0.79	0.735	~0.33
BEAM	10M tokens	0.67	0.641	~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