Cognee自适应的记忆层，帮助AI智能体从上下文中学习

4.8 (5)

审阅者 Daniel Nikulshyn·更新 2026年7月

Developer Tools AI Agents Knowledge Graph Memory Infrastructure Open Source Python SDK LLM Ops

概览

Cognee是一款面向AI智能体的开源AI记忆平台。它通过摄入任意格式的数据并构建自主托管的知识图谱，为会话提供持久的长期记忆。Cognee结合了向量嵌入、图推理和认知科学基础的本体生成，使得文档可以通过意义进行搜索，并通过演化关系连接起来。该平台适用于希望统一来自各种来源的数据、启用智能体领域知识、并创建可靠和值得信赖的智能体的开发者和组织。Cognee提供了诸如统一摄入、图和向量搜索、本地操作、本体基础、多模态能力、从反馈中学习、上下文管理、跨智能体知识共享等功能。同时，它还提供代理用户/租户隔离、可追溯性和审计特性。该平台支持多种客户端，包括Python、Rust和TypeScript，并作为OpenClaw和Claude Code的插件提供。

主要功能

基于知识图谱的智能体记忆
语义化和结构化数据摄入
用于智能体集成的Python SDK
可插拔的LLM和存储提供商
跨会话和文档查询
自主托管或托管部署选项

价格

模型: Free
分类: MCP Servers
评分: 4.8 / 5 (5)

使用场景

AI智能体的长期记忆

通过将交互存储在知识图谱中并按需检索相关上下文，为对话式智能体提供跨会话的持久回忆。

基于上下文的文档RAG

摄入文档和结构化数据，然后结合图关系和语义搜索，提供比仅限向量的RAG更丰富、更准确的检索。

减少LLM应用中的幻觉

将LLM响应建立在先前捕获的事实和关系之上，减少重复提示并随着时间的推移提高答案的可靠性。

用于自定义堆栈的自主托管记忆层

使用Python SDK将Cognee插入首选的LLM、向量存储和图数据库，提供自主托管或托管部署以实现完全控制。

优点 & 缺点

优点

结合图和向量检索，提供更丰富的上下文
开源且具有灵活的Python SDK
适用于多种LLM和数据库后端
有助于减少重复提示和幻觉

缺点

需要技术设置和基础设施知识
基于图的记忆与纯向量数据库相比增加了复杂性
最佳结果需要针对每个用例进行调优

评测

4.8

5 个评分的平均值。

登录以留下评测。

Liam O’Connor

May 16, 2026

Does the job

Pretty happy overall. Pluggable LLM and storage providers just works and helps reduce repetitive prompting and hallucinations. but no dealbreakers — I'd recommend it to a friend without hesitating.

Carlos Mendoza

Mar 31, 2026

Does the job

Pretty happy overall. Querying across past sessions and documents just works and combines graph and vector retrieval for richer context. but no dealbreakers — I'd recommend it to a friend without hesitating.

Pierre Dubois

Jan 13, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is self-hosted or managed deployment options — handled better than most — and combines graph and vector retrieval for richer context. Worth the time if this is your use case.

Devin Walker

Dec 13, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on knowledge graph based agent memory, and combines graph and vector retrieval for richer context caught me off guard. still, I'd recommend giving it a real trial.

Grace Okafor

Jul 30, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on knowledge graph based agent memory, and open-source with a flexible Python SDK caught me off guard. Requires technical setup and infrastructure knowledge is why this isn't a perfect score, still, I'd recommend giving it a real trial.