Cognee 是一个免费开源的 AI 记忆平台，为 AI 智能体提供跨会话的持久长期记忆。它把文档、代码和对话转化为自托管的知识图谱，供智能体搜索和复用。项目可本地免费运行，无需 API 密钥，依赖使用 CPU 的免费小型模型。
用途
- 构建“公司大脑”：将文档、对话、工单、代码和智能体工作纳入共享记忆，帮助团队和智能体把决策与其背后的讨论和实现关联起来。
- 为智能体提供跨运行记忆：保留项目上下文、过往决策、修复方案和学到的规则，把有用的会话经验提炼为可被其他会话检索的持久知识。
- 让智能体扎根于特定领域：围绕应用所需的实体和关系组织记忆，支持自定义数据模型和本体。
主要能力
- 从不同来源构建关联记忆：文本转化为实体、关系和可搜索片段；代码转化为符号与依赖关系图；会话蒸馏把被接受的教训整理为永久记忆。
- 查询时检索：选择相关的图、向量或代码上下文，应用可检查检索到的证据，用于回答问题或继续智能体任务。
- 无 LLM 密钥的本地工作流：未配置 LLM 密钥时，Cognee 使用本地 GLiNER 模型抽取图谱，并使用本地嵌入模型进行嵌入，两者在首次使用时下载。文本摄取、检索和会话存储无需 LLM 即可工作，依赖 LLM 的改进阶段会自动跳过。生成答案以及需要视觉或转录模型的媒体处理则需要额外配置 LLM。
- 可选 LLM 配置：设置密钥后，Cognee 使用 OpenAI 的语言模型和嵌入，处理与生成答案会调用提供商。也支持其他提供商或本地 Ollama 模型。
- 智能体集成：提供 Claude Code 插件和 Codex 插件，以及面向智能体框架、插件和来源连接器的集成仓库。
- 本地 UI：可通过 UI 检查本地安装，UI 启动器需要 Node.js/npm，其 MCP 服务需要 Docker。
- 记忆导入：支持使用 COGX 交换格式从 Mem0、Letta、Zep 或 Graphiti 导入记忆。
- 单 Postgres 运行整个记忆层：自 cognee 1.0 起，可在单个 Postgres 实例上运行整个记忆层。注意：将 Postgres 用作图存储目前作为演示特性发布，生产就绪版本为授权产品。
使用方式
- 环境要求：Python 3.10–3.14。
- 安装：使用 pip、uv 或偏好的 Python 包管理器安装 Cognee。gliner 附加项提供未配置 LLM 密钥时使用的本地抽取模型。
- 构建与查询记忆：将示例保存为 quickstart.py 并运行 python quickstart.py，或让 LLM 执行。相同工作流也可通过 CLI 使用。
- 探索内置演示：该命令适用于基础 pip install cognee 包，加载内置示例数据并运行关键词搜索，无需 API 密钥。
- 配置 LLM：添加 LLM 以获得生成的答案而非检索到的段落；也可使用模板创建 .env 文件。
- 连接智能体：安装 Claude Code 插件或 Codex 插件（需先启用 hooks），然后添加市场与插件，并按插件设置指南配置本地或远程记忆。
- 运行 API：可使用 Docker Compose 运行预构建 API，或使用部署模板。ENABLE_BACKEND_ACCESS_CONTROL=false 为单用户/本地姿态；不设置时 API 默认多租户模式，每个 /api/v1 调用都需要已认证用户。--rm 会在退出时丢弃容器本地数据，使用 -v cognee_storage:/cognee-storage 命名卷可跨运行保留记忆。
- 从源码运行 API、UI 和 MCP 服务器：克隆仓库，进入目录，复制 .env.template 为 .env 并配置提供商，然后运行。默认端口为 API 8000、UI 3000、MCP 8001。
- Docker 镜像：cognee/cognee 镜像内置 GLiNER 运行时，因此在 Docker 中无需 LLM 密钥即可进行文本摄取和检索；本地抽取和嵌入模型在首次使用时下载。需要生成答案时设置 LLM_API_KEY。
适用场景
- 团队知识管理：把文档、对话、工单、代码和智能体工作整合为共享记忆。
- 智能体长期记忆：跨运行保留项目上下文、决策、修复和规则。
- 领域知识扎根：围绕自定义实体和关系组织记忆。
- 本地或自托管部署：无需 API 密钥即可本地运行，或使用 Docker 部署。
限制
- 无 LLM 时，生成答案和需要视觉或转录模型的媒体处理不可用。
- 内置 GLiNER 抽取器是小型模型流水线的演示；生产就绪版本具有更高准确率和更广标签覆盖，需联系项目方。
- 将 Postgres 用作图存储目前为演示特性，生产就绪版本为授权产品。
- 本地 UI 启动器需要 Node.js/npm，其 MCP 服务需要 Docker。
- 基准测试结果使用特定数据格式、提示和检索配置，比较前需阅读方法论、模型、限制和复现说明。
- 关于收费、价格、具体平台支持范围等更多信息，资料中暂未提供。
