🧠 项目简介
Cognee 是为 AI 智能体打造的开源记忆平台，通过自托管知识图谱引擎，为智能体提供跨会话的持久长期记忆。它支持任意格式的数据摄入，构建可动态演进的知识图谱，让智能体能够基于完整上下文进行回忆、关联和行动。结合向量嵌入、图推理和认知科学基础的本体生成能力，Cognee 让文档既支持语义搜索，又能通过关系关联，且知识图谱会随知识积累动态演进。
📦 安装要求和过程
环境要求
- Python：3.10 ~ 3.14
- 可选：Docker（用于本地 MCP 服务或完整部署）
- LLM API Key：默认支持 OpenAI，也可对接其他 LLM 提供商
快速安装
# 使用 uv 安装（推荐）
uv pip install cognee
# 使用 pip 安装
pip install cognee
# 如需使用 Postgres 作为后端，安装对应依赖
pip install "cognee[postgres]"
环境配置
# 复制环境变量模板
cp .env.template .env
# 配置 LLM API Key（默认 OpenAI）
echo 'LLM_API_KEY="your_openai_api_key"' > .env
Docker 一键部署
# 克隆仓库并配置
git clone https://github.com/topoteretes/cognee.git
cd cognee
cp .env.template .env
# 启动 API 服务（默认端口 8000）
docker compose up
# 同时启动前端（端口 3000）
docker compose --profile ui up
# 启动 MCP 服务（端口 8001）
docker compose --profile mcp up
⭐ 核心功能
1. 跨会话持久记忆
AI 智能体的记忆不会随会话结束而丢失。Cognee 提供两种存储模式：永久存储（直接写入知识图谱，执行完整处理流程）和会话存储（先写入快速缓存，后台异步同步到知识图谱）。
2. 自托管知识图谱引擎
知识关系可动态演进，随知识积累自动更新。Cognee 1.0 支持在单个 Postgres 实例上运行完整记忆层（关系存储 + 向量嵌入 + 会话缓存 + 元数据存储），无需维护多组件栈，性能比分离式图+向量方案快约 10%。
3. 多后端支持
默认使用 Postgres 全栈运行记忆层，也可按需切换 Neo4j、Neptune、Redis、Qdrant 等专用后端。灵活适配不同规模的部署需求。
4. 多语言官方客户端
除 Python 主客户端外，还提供 Rust（cognee-rs，可通过 cargo add cognee 安装）和 TypeScript（@cognee/cognee-ts，可通过 npm install 安装）官方客户端，覆盖更多开发场景。
5. 多智能体工具集成
支持 Claude Code、OpenClaw 等智能体工具集成，也支持对接 Cognee Cloud 托管服务。提供 MCP 服务器原生支持，可无缝接入 AI 编程助手。
🚀 典型使用场景
场景一：客服智能体
目标：结合用户的金融、客服、产品历史等个人数据，解决客户问题。
示例交互：
- 用户提问：”我的发票有问题，而且问题一直没解决”
- 智能体响应：”我找到 2 个上个月解决的类似账单问题，原因是支付和发票系统同步延迟，我们已经在你的账户上应用了修复方案。”
底层逻辑：统一整合企业多渠道数据源 → 重建交互时间线 → 检索相似已解决案例 → 匹配最优解决方案 → 执行后更新记忆。
场景二：专家知识蒸馏（SQL 助手）
目标：帮助初级分析师复用专家的查询、模式和推理逻辑，完成数据分析任务。
示例交互：
- 用户提问：”我该怎么为这个数据集计算客户留存率？”
- 智能体响应：”这是高级分析师解决类似留存查询的方法，Cognee 将你的数据表结构和已知结构做了匹配，把专家的逻辑适配到了你的数据集上。”
底层逻辑：提取并存储专家 SQL 查询 → 将当前数据表结构映射到已识别的结构 → 检索相似任务和成功实现方案 → 将专家推理逻辑适配到当前上下文。
💡 推荐理由
Cognee 解决了 AI 智能体领域一个根本性问题：如何让智能体拥有持久、可演进的记忆。在大模型应用从”单次对话”走向”长期协作”的今天，记忆层已成为 AI 智能体不可或缺的基础设施。
最打动我的几点：
- Single Postgres 架构：Cognee 1.0 的巧妙设计让整个记忆层运行在单个 Postgres 实例上，极大降低了运维复杂度，同时性能不输专用分离方案。
- 动态演进的知识图谱：不同于静态 RAG，Cognee 的知识图谱会随知识积累自动更新关系，真正实现”越用越聪明”。
- 基准测试领先：在长上下文记忆基准测试 BEAM 中，Cognee 得分 0.79（开启按问题路由后 >0.8），优于之前的 SOTA 方案（0.735）和 RAG 基线（~0.33）。
- 多语言客户端：同时提供 Python、Rust、TypeScript 官方客户端，覆盖从 AI 应用开发到高性能系统集成的全场景。
- 活跃社区：8426+ 次提交，304 个开放 Issues（说明使用人数多、反馈活跃），Apache-2.0 永久开源。
如果你正在构建需要”记住用户”的 AI 应用——无论是客服机器人、个人助手还是企业知识助手，Cognee 值得一试。23K+ Stars 和本周新增 5000+ Stars 的趋势，已经说明了开发者的认可。
📥 下载地址
- 🏠 项目官网：https://www.cognee.ai
- 📚 官方文档：https://docs.cognee.ai
- 🐙 GitHub 仓库：https://github.com/topoteretes/cognee（23,542+ Stars）
- 💬 Discord 社区：https://discord.gg/NQPKmU5CCg
- 🐍 PyPI 安装：
pip install cognee - 📦 Docker 镜像：
docker pull cognee/cognee:main
📌 许可协议：Apache License 2.0（永久开源，可自由使用、修改和分发）
👥 维护团队：topotherete 社区（8426+ 次提交，活跃开发中）
📄 相关研究：Optimizing the Interface Between Knowledge Graphs and LLMs for Complex Reasoning（arXiv 2025）