cognee-integrations 用于把 cognee 连接到外部服务。全部集成配置通过环境变量（.env）完成，权威且持续更新的带注释示例见仓库根目录的 .env.template，切换后端前先安装对应 extra，例如 pip install cognee[postgres]。
用途：切换 LLM 或嵌入提供方（OpenAI、Azure、Gemini、Anthropic、Ollama、OpenRouter 等），并配置关系库、向量库、图数据库、对象存储与缓存。
LLM 提供方：默认 OpenAI，只需 LLM_API_KEY。切换时设置 LLM_PROVIDER、LLM_MODEL、LLM_API_KEY，必要时设置 LLM_ENDPOINT / LLM_API_VERSION。Azure OpenAI 需 endpoint 和 api version；Gemini 无需额外依赖；Anthropic 需 cognee[anthropic]；Ollama 本地需 cognee[ollama] 并配置嵌入块与 HUGGINGFACE_TOKENIZER；自定义/OpenRouter/vLLM 用 LLM_PROVIDER=custom 加 OpenAI 兼容端点；AWS Bedrock 需 cognee[aws] 加凭据与区域。
常见陷阱：LLM 与嵌入独立配置（EMBEDDING_PROVIDER、EMBEDDING_MODEL、EMBEDDING_ENDPOINT、EMBEDDING_API_KEY），只配一个会让另一个仍用 OpenAI，需保留有效 OpenAI key 或两者都配置。
数据库：关系库 DB_PROVIDER 支持 sqlite（默认）、postgres；向量库 VECTOR_DB_PROVIDER 支持 lancedb（默认）、pgvector、neptune_analytics、turso，其他（ChromaDB、Qdrant、Weaviate、Milvus 等）在社区适配器中，需从 cognee-community 安装并用 use_vector_adapter 注册，否则单独设置会报 Unsupported vector database provider；图库 GRAPH_DATABASE_PROVIDER 支持 ladybug（默认）、neo4j、neptune、ladybug-remote、postgres（无原始 Cypher/自然语言检索）。docker-compose.yml 提供 postgres(pgvector) 与 neo4j 配置，容器内访问宿主机服务可用 DB_HOST=host.docker.internal。
存储与缓存：S3 需 cognee[aws] 与 STORAGE_BACKEND=s3，并把 DATA_ROOT_DIRECTORY/SYSTEM_ROOT_DIRECTORY 指向 s3:// 路径；缓存 CACHE_BACKEND 支持 sqlite（默认）、postgres、redis、fs、tapes；本体通过 ONTOLOGY_FILE_PATH 指向 OWL 文件，解析与匹配用 ONTOLOGY_RESOLVER / MATCHING_STRATEGY。
MCP 服务：docker compose --profile mcp up 在 8001 端口启动 MCP 服务（Streamable HTTP 位于 http://localhost:8001/mcp），由 cognee-mcp/ 构建，可接入 Cursor、Claude Desktop、Claude Code，其 DB_* 须与主服务一致。
切换嵌入提供方或模型后，不同模型的嵌入不可比较，需重置本地状态（cognee-cli forget --all 或 await cognee.forget(everything=True)）再重新 remember() 摄入；若只想删除图与向量而保留已摄入文件，可用 await cognee.forget(dataset="my_project", memory_only=True)，之后无需重新上传即可在新嵌入模型下重建。