Cogni 今日发布

Cogni 是一款专为大型语言模型设计的 MCP 记忆服务器，能够为任何 LLM 提供持续增长的关联记忆。与传统的向量数据库仅靠语义相似度检索不同，Cogni 采用实体图扩散激活技术，当问题的答案与问题本身不存在词汇重叠时，依然能够准确定位到相关信息。例如，在涉及零件号→批次→负责人这类多跳关联的查询中，单次向量相似度查找往往只能匹配到第一个链接便陷入盲区，而 Cogni 能够沿着实体链路一路追踪到最终答案。在 Cogni 的基准测试中，单次召回即可找回 4 文档链条中的 3.4 个节点，而同等的向量搜索仅能找回 2.6 个。该系统在检索路径中完全不依赖语言模型和 GPU，召回结果完全由确定性图遍历产生——相同的提问基于相同的数据存储每次都返回完全一致的结果，不存在语言模型的解读偏差。这一特性使得小型模型也能从关联上下文中获得显著的能力提升：在一个 8B 参数本地模型的多跳推理测试中，使用 Cogni 召回后模型能够正确回答问题，而仅凭原始语料库上下文时同一模型完全无法作答。Cogni 默认同时执行密集向量搜索和图扩散搜索，返回两者结果，这意味着在引入 Cogni 的同时不会丧失原有的检索能力。在简单的单针搜索任务中，两者水平相当；在需要多跳推理的复杂场景中，Cogni 通过减少模型调用轮次显著降低了延迟和 token 消耗。适用于需要跨文档关联推理、长程记忆保持、多智能体协作等场景的 AI 应用开发。