cognee评测：面向AI智能体的开源知识图谱记忆

cognee是什么？

• 产品类型：一个自托管的Python库和管线框架，而非独立可下载应用，默认也不是完全托管的SaaS
• 开发方：Topoteretes UG (haftungsbeschränkt)，一家在柏林注册的公司；董事总经理Vasilije Markovic
• 仓库：github.com/topoteretes/cognee
• 许可证：Apache-2.0，已通过仓库的许可证文件确认
• 本地化：混合模式——知识图谱引擎、向量存储及任何本地数据库都在你自己的基础设施上运行，但用于实体提取、增强和嵌入的文本默认会发送给你配置的外部LLM/嵌入提供商；cognee的文档也说明支持改为将该处理路由到本地Ollama模型
• 规模：GitHub星标数超过30,700，据cognee官网称，截至本次评测每月SDK运行次数超过500万次
• 当前版本：v1.6.1，发布于2026-09-24（通过cognee的GitHub发布页确认）

cognee的项目历史

• cognee围绕类似Extract-Cognify-Load的管线定位自身：导入数据，从中构建知识图谱和增强层（"cognify"），然后使该图谱可查询——当前的SDK将其暴露为add()、cognify()和search()，并在此之上叠加了更简单易用的新版remember()/recall()封装函数
• 据cognee官网称，其每月SDK运行次数超过500万次，并列出了包括Bayer（研究记忆）、Knowunity、SlideSpeak和University of Wyoming在内的生产环境用户
• Cognee Cloud作为一项独立托管服务被推出，为不想自托管引擎、又希望使用相同记忆层的团队提供可选路径

用cognee能做什么？

• 知识图谱构建 — cognee从文本和代码中提取实体、关系和结构并据此构建图谱，而不是仅存储扁平的嵌入向量
• 多格式导入 — 文档、源代码和对话历史都可以输入同一条管线
• 自动检索路由 — cognee的搜索层会根据查询选择检索策略（图谱遍历、向量相似度或混合），无需你手动指定
• 带后台同步的会话记忆 — 对话上下文可保存在会话记忆中，并在后台同步到永久图谱
• 图谱可视化与自定义本体 — 你可以直观检查构建出的图谱，并定义自己的本体，使提取过程遵循你所在领域特定的实体和关系类型
• 支持本地模型的混合本地化 — cognee默认流程会将数据发送给配置的外部LLM/嵌入提供商进行处理，但其文档也说明支持改为将该处理指向本地Ollama实例，从而将整条管线保留在你自己的硬件上
• 智能体与IDE集成 — 已记录的集成包括Claude Code（作为记忆插件）、Cursor、Cline、LangGraph、CrewAI、OpenClaw，以及支持将cognee作为工具连接到兼容MCP客户端的Model Context Protocol（MCP）
• 支持多种向量存储后端 — 默认使用LanceDB，内置支持PGVector、Turso/libSQL、Neptune Analytics和ChromaDB，另有面向Qdrant、Redis、FalkorDB、Pinecone、Turbopuffer、Milvus和Weaviate的社区适配器，参见cognee的向量存储文档

使用示例：三种使用cognee的方式

• 从一段文本构建记忆并查询：运行pip install cognee，然后调用cognee.remember(text)进行导入，调用cognee.recall(query_text=...)进行查询——cognee官方文档将remember()描述为一步完成导入、分块、实体提取和图谱构建，将recall()描述为自动将查询路由到最佳检索策略
• 直接使用更底层的ECL式管线以获得更多控制：调用cognee.add(data)导入原始文本或文件，调用cognee.cognify()执行实体/关系提取并构建知识图谱，然后调用cognee.search(query_text=...)进行查询——如果你想检查或自定义每个管线阶段发生的事情，而不是使用单次调用的remember()/recall()封装函数，这种方式很有用
• 将cognee指向本地Ollama模型而非云端LLM/嵌入提供商：cognee的配置支持将LLM和嵌入提供商设置为本地Ollama端点，使实体提取和嵌入步骤在你自己的硬件上运行，而不是调用外部API——在将其接入项目之前，请查阅cognee自身的配置文档以获取当前的环境变量名称，因为提供商配置细节可能在不同版本之间发生变化

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())

安装cognee

cognee定价：真的免费吗？

• 开源引擎：免费、Apache-2.0许可，cognee本身不设任何使用限制
• 你自己的成本仍取决于你配置的外部LLM/嵌入提供商在cognee执行cognify()/remember()期间所调用API的收费——如果你将该处理路由到本地Ollama模型，则除了自己的硬件外没有额外成本
• Cognee Cloud：一项独立的、可选的托管服务；cognee官网引导有兴趣的团队"在需要托管规模时转向Cognee Cloud"，但主页上并未列出确切的层级定价
• 安装和使用开源库无需账号或注册

cognee 对比 Langchain-Chatchat

在目录中比较→

cognee适合谁？

竞品与替代方案

在目录中比较→

评估cognee时的常见误区

常见问题

来源

延伸阅读

• 本地LLM软件目录2026 — 本文所属的完整本地AI工具目录，包含cognee自身的目录条目。
• Chroma评测 — 一款可自托管的向量数据库，常与cognee这类检索和记忆层搭配使用。
• LangChain评测 — 一个通用LLM应用框架，可与cognee的记忆层结合使用。
• LlamaIndex评测 — 一个LLM应用数据索引框架，可与cognee的知识图谱方案对比。