Cognee

Cognee 是一款开源 AI 记忆平台，专门为 AI Agent 和大语言模型应用提供持久化长期记忆能力。它将文档、对话和各类结构化数据转化为可查询的知识图谱，让 AI 在跨会话环境中真正记住上下文，而不必每次从零开始。

产品简介

Cognee 由 topoteretes 团队开发和维护，GitHub 星标已超过 29,200 颗，是当前 AI Agent 记忆基础设施领域最活跃的开源项目之一。项目采用 Apache 2.0 开源许可证，被 122 家以上的组织在生产环境中使用，包括 deepset 和 Heretek AI 等知名 AI 团队。

核心功能

Cognee 围绕四个核心操作构建完整记忆体系：remember（记忆存储）负责将数据写入知识图谱；recall（记忆检索）支持语义搜索和图遍历混合查询；forget（记忆遗忘）允许有选择性地删除过时信息；improve（记忆优化）通过反馈循环持续提升知识图谱的准确性和相关性。

在存储层面，Cognee 采用双层架构：会话记忆层（Session Memory）提供高速缓存，查询结果即时返回，同时在后台异步同步到持久化知识图谱层。知识图谱支持 Neo4j（生产级）和 NetworkX（轻量级）两种后端，开发者可根据规模需求灵活选型。

向量化检索方面，Cognee 集成了 LanceDB、Qdrant、PGVector 和 Weaviate 等主流向量数据库，通过语义相似度和图关系双向检索，确保 Agent 在查询某用户上周报告的问题是否已解决这类多跳关系问题时能准确定位答案。

特色优势

认知科学驱动的本体论生成是 Cognee 区别于普通向量数据库的核心差异。它不只存储文本块，还会通过 LLM 分析将实体、概念和关系提取为结构化本体，让记忆具备推理能力而非单纯匹配。

自我优化记忆机制是另一大亮点：Cognee 的 Memify 管道在每次摄取周期后自动运行，对长期不使用的关系边进行剪枝，对高频查询路径进行权重提升，并基于 Agent 反馈评分修正错误连接。这意味着运行时间越长的 Agent，其记忆质量越高。

本地优先也是重要设计理念：Cognee 默认使用 LanceDB 本地模式，结合本地 LLM 提取模型，可实现完全不依赖 OpenAI 或 Anthropic API 的离线记忆系统，满足数据隐私敏感型企业的合规要求。

应用场景

企业知识库建设：将分散在内部文档、Slack 对话和邮件中的零散信息汇聚为统一知识图谱，新员工入职时 Agent 可直接回答公司上季度的技术决策有哪些。

多 Agent 协作记忆：多个专业 Agent（代码审查、数据分析、客服）共享同一记忆层，跨 Agent 调用时无需重复传递上下文，减少 token 消耗的同时提升协作效率。

个人 AI 助手：个人开发者使用 Cognee 构建私有记忆系统，让自己的 AI 编程助手记住项目架构偏好、代码规范和历史问题处理记录。

RAG 系统增强：将传统向量检索 RAG 与知识图谱检索结合，在医疗、法律等专业领域提升问答准确性，特别是在需要理解实体关系的复杂问题场景。

AI 训练数据管理：ML 团队用 Cognee 管理训练数据血缘关系，记录每个数据集的来源、标注过程和版本变更历史。

适用人群

AI 应用开发者、构建 Agent 系统的工程师、需要让 AI 在长周期内保持上下文记忆的产品团队，以及对数据隐私有严格要求的金融、医疗和法律行业从业者。

出品方

Cognee 由 Vasilije Markovic 领导的独立研究团队开发，团队成员曾发表论文《Optimizing the Interface Between Knowledge Graphs and LLMs for Complex Reasoning》（arXiv:2505.24478），研究背景扎实。项目采用 Apache 2.0 许可证，完全开源。

更新动态

2026 年 7 月最新数据显示 Cognee 已突破 29,200 颗 GitHub 星标，最近一次重大更新引入了 Claude Code 插件集成，可在代码编写过程中自动将工具调用记录同步到知识图谱。项目保持每月至少一次小版本迭代的活跃维护节奏。

官网链接

官网地址：https://cognee.ai GitHub 仓库：https://github.com/topoteretes/cognee 官方文档：https://docs.cognee.ai/ Discord 社区：https://discord.gg/NQPKmU5CCg