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

分类

📚 RAG 工具 🧩 Agent 记忆

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。

访问 GitHub 访问官网

相关项目

HippoRAG

3.9k · Python

活跃

受人类长期记忆启发的 RAG 框架（NeurIPS 2024），结合知识图谱与个性化 PageRank 实现 LLM 的持续知识整合。

ragknowledge-graphlong-term-memory +2

MemoryOS

1.5k · Python

活跃

为个性化 AI Agent 设计的记忆操作系统，支持长期记忆、RAG 与用户画像。

agent-memoryragpersonalization +1

MCP Memory Service

1.9k · Python

正常

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

MemAgent

1.1k · Python

正常

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

GraphRAGLightRAGRAG

GraphRAG vs LightRAG：图增强 RAG 的两种工程路线深度对比

系统对比 Microsoft GraphRAG（社区检测 + 全局摘要）与 HKUDS LightRAG（双层图 + 增量更新）两大图增强 RAG 框架的索引构建、检索范式、成本结构、查询质量与适用场景，给出按数据规模、查询类型、运维预算的选型决策树。

阅读全文 →