مراجعة cognee: ذاكرة مخطط معرفي مفتوح المصدر لوكلاء الذكاء الاصطناعي

ما هي cognee؟

• نوع المنتج: مكتبة Python مستضافة ذاتيًا وإطار عمل لخط المعالجة، وليست تطبيقًا مستقلًا قابلًا للتنزيل ولا خدمة SaaS مُدارة بالكامل افتراضيًا
• الجهة المنشئة: Topoteretes UG (haftungsbeschränkt)، شركة مسجّلة في برلين؛ المدير الإداري Vasilije Markovic
• المستودع: github.com/topoteretes/cognee
• الترخيص: Apache-2.0، مؤكَّد عبر ملف الترخيص في المستودع
• المحلّية: هجينة — يعمل محرك المخطط المعرفي ومخزن المتجهات وأي قواعد بيانات محلية على بنيتك التحتية الخاصة، لكن النص المُرسَل لاستخراج الكيانات والإثراء والتضمين يُوجَّه افتراضيًا إلى مزوّد LLM/التضمين الخارجي الذي تقوم بتهيئته؛ كما توثّق cognee دعمًا لتوجيه تلك المعالجة عبر نموذج Ollama محلي بدلًا من ذلك
• الحجم: يتجاوز عدد النجوم على GitHub 30,700 نجمة، ويذكر موقع cognee نفسه أكثر من 5 ملايين تشغيل لحزمة SDK شهريًا وقت كتابة هذه المراجعة
• الإصدار الحالي: v1.6.1، صدر في 2026-09-24 (تم التأكد عبر إصدارات cognee على GitHub)

تاريخ مشروع cognee

• تتموضع cognee حول خط معالجة على غرار Extract-Cognify-Load: استيعاب البيانات، وبناء مخطط معرفي وطبقة إثراء منها ("cognify")، ثم جعل ذلك المخطط قابلًا للاستعلام — تعرض حزمة SDK الحالية هذا عبر add() وcognify() وsearch()، مع دوال غلاف أحدث remember()/recall() مضافة فوقها لاستخدام أبسط
• تفيد cognee بأكثر من 5 ملايين تشغيل لحزمة SDK شهريًا وتذكر مستخدمين في الإنتاج مثل Bayer (ذاكرة البحث) وKnowunity وSlideSpeak وUniversity of Wyoming، وفقًا لموقع cognee نفسه
• أُطلق Cognee Cloud، وهو عرض مُدار منفصل، كمسار اختياري للفرق التي تريد نفس طبقة الذاكرة دون استضافة المحرك ذاتيًا

ماذا يمكنك أن تفعل بـ cognee؟

• بناء المخطط المعرفي — تستخرج cognee الكيانات والعلاقات والبنية من النصوص والأكواد وتبني مخططًا منها، بدلاً من تخزين متجهات تضمين مسطّحة فقط
• الاستيعاب متعدد الصيغ — يمكن تغذية المستندات والكود المصدري وسجل المحادثات جميعها إلى نفس خط المعالجة
• التوجيه التلقائي للاسترجاع — تختار طبقة البحث في cognee استراتيجية استرجاع (اجتياز المخطط، أو التشابه المتجهي، أو مزيج منهما) بناءً على الاستعلام، دون أن تضطر لاختيار واحدة يدويًا
• ذاكرة جلسة مع مزامنة في الخلفية — يمكن الاحتفاظ بسياق المحادثة في ذاكرة الجلسة ومزامنته مع المخطط الدائم في الخلفية
• تصور المخطط والأنطولوجيات المخصصة — يمكنك فحص المخطط المبني بصريًا وتعريف أنطولوجيا خاصة بك بحيث يتبع الاستخراج أنواع الكيانات والعلاقات المحددة لمجالك
• محلّية هجينة مع دعم النماذج المحلية — يرسل تدفق cognee الافتراضي البيانات إلى مزوّد LLM/تضمين خارجي مُهيَّأ للمعالجة، لكنها توثّق دعمًا لتوجيه تلك المعالجة إلى نسخة Ollama محلية بدلًا من ذلك، مما يبقي خط المعالجة بأكمله على جهازك الخاص
• تكاملات الوكلاء وبيئات التطوير — تشمل التكاملات الموثّقة Claude Code (كإضافة ذاكرة) وCursor وCline وLangGraph وCrewAI وOpenClaw، ودعم Model Context Protocol (MCP) لربط cognee كأداة بعملاء متوافقين مع MCP
• دعم عدة قواعد بيانات متجهية — LanceDB هي الافتراضية، مع دعم مدمج لـ PGVector وTurso/libSQL وNeptune Analytics وChromaDB، بالإضافة إلى محولات من المجتمع لـ Qdrant وRedis وFalkorDB وPinecone وTurbopuffer وMilvus وWeaviate، وفق وثائق قواعد البيانات المتجهية الخاصة بـ cognee

أمثلة استخدام: ثلاث طرق لاستخدام cognee

• بناء ذاكرة من نص واستعلامها: شغّل pip install cognee، ثم استدعِ cognee.remember(text) للاستيعاب وcognee.recall(query_text=...) للاستعلام — يصف توثيق cognee remember() بأنها تنفّذ الاستيعاب والتجزئة واستخراج الكيانات وبناء المخطط في خطوة واحدة، وتصف recall() بأنها توجّه الاستعلام تلقائيًا إلى أفضل استراتيجية استرجاع
• استخدام خط المعالجة الأدنى مستوى على طراز ECL مباشرة لمزيد من التحكم: استدعِ cognee.add(data) لاستيعاب نص خام أو ملفات، وcognee.cognify() لتنفيذ استخراج الكيانات/العلاقات وبناء المخطط المعرفي، ثم cognee.search(query_text=...) للاستعلام عنه — مفيد عندما تريد فحص أو تخصيص ما يحدث في كل مرحلة من خط المعالجة بدلًا من استخدام دوال الاستدعاء الواحد remember()/recall()
• توجيه cognee إلى نموذج Ollama محلي بدلًا من مزوّد LLM/تضمين سحابي: تدعم إعدادات cognee ضبط مزوّد LLM والتضمين على نقطة نهاية Ollama محلية، بحيث تعمل خطوات استخراج الكيانات والتضمين على جهازك الخاص بدلاً من استدعاء واجهة برمجية خارجية — راجع توثيق التهيئة الخاص بـ cognee نفسها للحصول على أسماء متغيرات البيئة الحالية قبل دمج هذا في مشروع، لأن تفاصيل تهيئة المزوّد قد تتغير بين الإصدارات

import asyncio
import cognee

async def main():
    text = "cognee turns documents into AI memory."
    await cognee.remember(text)
    results = await cognee.recall(query_text="What does cognee do?")
    for result in results:
        print(result.text)

asyncio.run(main())

تثبيت cognee

أسعار cognee: هل هي مجانية فعلًا؟

• المحرك مفتوح المصدر: مجاني، Apache-2.0، دون حدود استخدام تفرضها cognee نفسها
• لا تزال تكاليفك الخاصة تشمل ما يفرضه مزوّد LLM/التضمين الخارجي الذي قمت بتهيئته مقابل استدعاءات API التي تجريها cognee أثناء cognify()/remember() — أو لا توجد تكلفة إضافية بخلاف جهازك الخاص إذا وجّهت تلك المعالجة عبر نموذج Ollama محلي
• Cognee Cloud: عرض مُدار منفصل واختياري؛ يوجّه موقع cognee نفسه الفرق المهتمة إلى "الانتقال إلى Cognee Cloud عندما تحتاج إلى نطاق مُدار" دون إدراج تسعير دقيق لكل طبقة على الصفحة الرئيسية
• لا حاجة إلى حساب أو تسجيل لتثبيت واستخدام المكتبة مفتوحة المصدر

cognee مقابل Langchain-Chatchat

قارن في الدليل→

لمن تناسب cognee؟

المنافسون والبدائل

قارن في الدليل→

أخطاء شائعة عند تقييم cognee

الأسئلة الشائعة

المصادر

قراءات ذات صلة

• دليل برمجيات LLM المحلية 2026 — الكتالوج الكامل لأدوات الذكاء الاصطناعي المحلية الذي ينتمي إليه هذا المقال، بما في ذلك مُدخل cognee نفسه.
• مراجعة Chroma — قاعدة بيانات متجهية قابلة للاستضافة الذاتية تُقرَن غالبًا مع طبقات استرجاع وذاكرة مثل cognee.
• مراجعة LangChain — إطار عمل عام لتطبيقات LLM يمكن دمجه مع طبقة ذاكرة cognee.
• مراجعة LlamaIndex — إطار فهرسة بيانات لتطبيقات LLM، للمقارنة مع نهج المخطط المعرفي في cognee.