Cognee — 开源 AI 记忆知识库平台

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：

其他支持的平台

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

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results=awaitcognee.recall("用户喜欢什么风格？")# 遗忘 — 删除特定记忆awaitcognee.forget(dataset="main_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_id="support_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

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 Cogneepipinstallcognee# 如果使用 PostgreSQL 作为后端pipinstall"cognee[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_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

importcogneeimportasyncioasyncdefmain():awaitcognee.remember("Hello Cognee!")results=awaitcognee.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-memory@cognee# 设置环境变量exportLLM_API_KEY="sk-..."# 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-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dockerrun-eTRANSPORT_MODE=http --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

九、性能基准

Cognee 在 BEAM 长上下文基准测试中表现优异：

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