Cognee：AI Agent 记忆引擎深度解析

在 AI Agent 领域，记忆系统是一个关键挑战。传统的向量数据库只能进行语义搜索，无法捕捉数据之间的关系。Cognee 是一个开源知识引擎，它结合了向量搜索、图数据库和认知科学方法，为 AI Agent 提供持续学习的记忆能力。

一、什么是 Cognee？

Cognee 是一个开源的 AI Agent 记忆引擎，核心特点：

• 知识摄入 — 支持任何格式和结构的数据输入
• 向量+图搜索 — 结合向量搜索和图数据库
• 关系连接 — 文档之间通过关系自动连接
• 持续学习 — 从反馈中学习，不断更新知识
• 本地运行 — 完全本地部署，数据隐私可控

项目地址：github.com/topoteretes/cognee

二、核心能力

1. 知识基础设施

• 统一摄入 — 支持 PDF、Word、Markdown、JSON 等多种格式
• 图/向量搜索 — 同时支持语义搜索和关系查询
• 本体 Grounding — 将知识映射到领域本体
• 多模态 — 支持文本、图像等多种数据类型

2. 持久学习 Agent

• 从反馈学习 — Agent 从用户反馈中持续改进
• 上下文管理 — 智能管理 Agent 的上下文窗口
• 跨 Agent 知识共享 — 多个 Agent 共享同一个知识库

3. 可靠可信 Agent

• 用户/租户隔离 — 多租户环境下的数据隔离
• 可追溯性 — 所有操作都有审计日志
• OTEL 收集器 — OpenTelemetry 集成
• 审计特性 — 完整的审计追踪能力

三、快速开始

安装

# 使用 pip 安装

pip install cognee

# 或使用 uv

uv pip install cognee

配置 LLM

# 设置 API Key

import os

os.environ["LLM_API_KEY"] = "YOUR_OPENAI_API_KEY"

6 行代码示例

import cognee

import asyncio

async def main():

# 1. 添加文档

await cognee.add("Cognee turns documents into AI memory.")

# 2. 构建知识图谱

await cognee.cognify()

# 3. 搜索查询

results = await cognee.search("What does Cognee do?")

for result in results:

print(result)

if __name__ == '__main__':

asyncio.run(main())

CLI 使用

# 添加文档

cognee-cli add "Cognee turns documents into AI memory."

# 构建知识图谱

cognee-cli cognify

# 搜索查询

cognee-cli search "What does Cognee do?"

# 打开本地 UI

cognee-cli -ui

四、架构设计

Cognee 采用分层架构设计，核心组件包括：

层级	组件	功能
数据层	Vector Store + Graph DB	向量搜索 + 关系查询
处理层	Pipeline Engine	数据处理流水线
认知层	Cognify Engine	知识抽取和推理
接口层	API + CLI	Python API 和命令行

工作流程

1. 添加数据 — cognee.add() 将文档添加到系统
2. 知识抽取 — cognee.cognify() 提取实体和关系
3. 图谱构建 — 自动构建知识图谱
4. 向量索引 — 同时建立向量索引
5. 搜索查询 — cognee.search() 支持混合查询

五、与 OpenClaw 的关系

OpenClaw 目前使用 LanceDB 作为记忆存储。Cognee 可以作为增强替代：

功能对比

功能	OpenClaw (LanceDB)	Cognee
向量搜索	✅	✅
图数据库	❌	✅
关系推理	❌	✅
持续学习	⚡ 手动	✅ 自动
跨 Agent 共享	⚡ 有限	✅ 原生支持
本地运行	✅	✅
错误检测	❌	❌
自我修复	❌	❌

集成场景

适合用 Cognee 的场景

• ✅ 需要关系推理的知识库
• ✅ 多 Agent 共享记忆的场景
• ✅ 需要持续学习从反馈改进
• ✅ 需要本体 Grounding的领域知识
• ✅ 需要审计追踪的企业应用

不适合的场景

• ❌ 需要错误自动检测 — 这是监控工具的职责
• ❌ 需要自我修复 — 这是 Agent 行为能力的范畴
• ❌ 需要实时监控 — 这是监控系统的职责
• ❌ 只需要简单向量搜索 — LanceDB 足够

六、实际应用场景

1. 企业知识库

场景：企业内部文档、手册、政策等知识管理。

• 摄入 PDF、Word、Markdown 文档
• 自动提取实体和关系
• 支持语义搜索和关系查询
• 多部门知识共享和隔离

2. AI Agent 记忆系统

场景：为 AI Agent 提供持久记忆和学习能力。

• 存储 Agent 与用户的对话历史
• 记住用户偏好和上下文
• 从反馈中持续学习
• 跨会话保持记忆

3. 多 Agent 协作

场景：多个 Agent 共享知识和协作。

• 多个 Agent 共享同一个知识库
• 一个 Agent 学习，其他 Agent 也能使用
• 租户隔离确保数据安全
• 审计追踪所有操作

七、与 Claude Code 技术的对比

根据 Claude Code 逆向分析，Claude Code 使用了 wU2 消息压缩器 和 CLAUDE.md 持久存储。Cognee 可以作为更强大的替代：

功能	Claude Code	Cognee
上下文压缩	wU2 压缩器 (92%阈值)	知识图谱压缩
长期记忆	CLAUDE.md 文件	图数据库
关系存储	❌	✅
持续学习	⚡ 有限	✅ 原生
跨 Agent 共享	❌	✅

八、总结

Cognee 是什么

• ✅ AI Agent 记忆引擎 — 为 Agent 提供持久记忆
• ✅ 知识图谱 + 向量搜索 — 语义搜索 + 关系推理
• ✅ 持续学习 — 从反馈中改进知识库
• ✅ 开源 + 本地部署 — 数据隐私可控

Cognee 不是什么

• ❌ 错误检测工具 — 这是监控系统/日志分析的职责
• ❌ 自我修复系统 — 这是 Agent 行为能力的范畴
• ❌ 实时监控平台 — 这是 Prometheus/Grafana 的职责
• ❌ 简单的向量数据库 — 如果只需要向量搜索，用 LanceDB 即可

九、快速参考

核心命令

# 安装

pip install cognee

# Python API

await cognee.add("document") # 添加文档

await cognee.cognify() # 构建知识图谱

results = await cognee.search("query") # 搜索

# CLI

cognee-cli add "document"

cognee-cli cognify

cognee-cli search "query"

---

参考资料:

• GitHub: topoteretes/cognee
• Cognee Documentation
• Research Paper: Optimizing Knowledge Graphs for LLM Reasoning

本文发布于 2026-03-20，信息可能随时间变化，请以官方文档为准。