当前位置：首页 > news >正文

【GitHub项目推荐--Cognee：构建 AI 记忆的知识引擎】⭐

news 2026/5/12 5:25:14

简介

Cognee 是一个开源的 Python 框架，旨在为 AI 应用和智能体（Agents）构建持久化、动态且可学习的知识记忆系统。它超越了传统的 RAG（检索增强生成）系统，通过结合向量搜索、图数据库和认知科学方法，将原始数据转化为互连的知识图谱。Cognee 采用独特的 ECL（提取、认知化、加载）管道架构，不仅让文档可被语义搜索，还能通过实体关系进行深度推理，为 AI 系统提供类似人类的长期记忆能力。

主要功能

图向量混合存储：无缝集成图数据库（如 Neo4j、Kuzu）与向量数据库（如 LanceDB、Weaviate），支持基于语义和基于关系的双重检索。
模块化 ECL 管道：提供高度可定制的数据处理流程，包括数据提取（支持 30+ 数据源）、认知化（LLM 驱动的知识图谱构建）和加载（记忆固化）。
多模态数据支持：原生支持文本、图像、音频转录以及过往对话历史，构建统一的知识上下文。
智能体记忆管理：为 LangGraph、AutoGen 等智能体框架提供跨会话的持久化记忆，支持记忆更新、遗忘和基于反馈的自我改进。
MCP 集成：提供 Cognee MCP 服务器，可将知识引擎作为工具接入 Claude Desktop 或其他 MCP 兼容客户端。
本地优先与生产部署：默认使用本地文件系统存储，支持 Docker 容器化部署，并可配置 PostgreSQL、S3 等生产级后端。

安装与配置

环境要求

Python 3.10 至 3.13

安装

推荐使用uv包管理器进行快速安装：

uv pip install cognee

或使用 pip：

pip install cognee

如需特定后端支持（如 Weaviate），可安装扩展：

pip install "cognee[weaviate]"

配置

Cognee 主要通过环境变量配置。创建一个.env文件或直接设置环境变量：

LLM 配置：设置LLM_API_KEY（如 OpenAI API Key）和LLM_PROVIDER（默认为 openai）。
数据库配置：设置GRAPH_DATABASE_PROVIDER（kuzu, neo4j）、VECTOR_DB_PROVIDER（lancedb, pgvector）及对应的连接 URL。
存储配置：设置STORAGE_PROVIDER（local, s3）等。

如何使用

Cognee 提供 Python API 和 CLI 两种使用方式。核心流程围绕Add（添加数据）、Cognify（构建知识）和Search（检索记忆）展开。

初始化与添加数据：导入cognee库，使用await cognee.add(data, dataset_name)将文本、文件路径或 URL 添加到系统中。
构建知识图谱：调用await cognee.cognify(dataset_name)，系统将使用 LLM 提取实体、关系并构建图结构。
查询与检索：使用await cognee.search(query_text)进行混合搜索，或使用await cognee.get_graph()获取原始图谱进行图遍历。
CLI 操作：可通过cognee-cli add "text"、cognee-cli cognify、cognee-cli search "query"在终端快速操作。