Cognee

活跃
GitHub Python Apache-2.0

简介

AI Agent 记忆知识引擎,仅需 6 行代码即可为 Agent 构建知识图谱和记忆层,支持图数据库、向量存储等多种后端,提供知识提取、推理和检索能力。

核心特性

  • 6 行代码构建知识图谱和记忆层
  • remember/recall/forget/improve 四个核心 API 操作
  • 支持会话记忆和持久化知识图谱双模式
  • 自动路由最佳搜索策略,无需手动选择检索方式
  • Claude Code 插件支持,跨会话持久记忆
  • 多后端支持:图数据库、向量存储、多种 LLM 提供商

适用场景

💡 为 AI Agent 添加跨会话的持久记忆能力
💡 构建企业知识图谱实现语义搜索和关系推理
💡 多 Agent 间共享知识和上下文信息
💡 将非结构化文档转化为可查询的结构化知识

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(30.6k stars)
  • 开源许可证友好(Apache-2.0)
  • 项目有一定历史沉淀(已维护 3 年)

快速开始

安装:uv pip install cognee,设置 LLM API 密钥,使用 cognee.remember() 存储数据,cognee.recall() 查询,cognee.forget() 清理。

相关项目

MCP Memory Service

1.9k · Python
活跃 A

开源的 AI Agent 持久化记忆服务,支持 LangGraph、CrewAI、AutoGen 等主流框架,提供 REST API、知识图谱和自主记忆整合能力。

agent-memorymcpknowledge-graph +2
  • · 开源的 AI 代理持久化记忆服务——通过 REST API 为任何 MCP 兼容框架提供长期记忆存储和检索
  • · 基于知识图谱的记忆与自主整合——代理随时间将记忆组织和合并为结构化的知识表示
  • · 多框架兼容——开箱即用地支持 LangGraph、CrewAI、AutoGen 及其他流行代理框架

MemAgent

1.1k · Python
不活跃 B

可扩展至 350 万上下文 token 的记忆智能体框架,附带用于任意智能体工作流 RL 训练的训练框架,解决长上下文记忆难题。

memoryagentrag +2
  • · 超长上下文处理:从 8K 训练上下文外推至 350 万 token,性能损失低于 5%
  • · 强化学习驱动:采用 RLVR(可验证奖励强化学习)训练,扩展 DAPO 算法支持多轮对话端到端优化
  • · 线性时间复杂度:突破长文本处理的计算瓶颈,资源随文本长度线性扩展

相关文章