Cognee
面向AI智能体的开源知识图谱记忆引擎，通过图谱+向量混合模式为Agent提供跨会话持久化长期记忆能力，支持自托管部署
时间轴 (近 90 天)
Cognee从文档、代码和会话历史构建图与向量知识层，后端可分布在关系型、图和向量存储上，本地开发有嵌入式默认值。
原始技术分享未提及大规模工作区下的性能表现、权限边界的处理方式以及图谱更新的增量策略。
Notion 工作区内容变化后，重新运行加载流程即可将增量信息同步到图谱中。
将 Notion 文档转化为知识图谱后，Agent 可以沿着实体关系进行推理并形成有上下文的回答。
Cognee 将 add() 与 cognify() 分离的两段式设计，允许批量收集文档后再一次性触发图谱化，避免每加入一条文本就重复执行昂贵的图谱计算。
cognee.cognify() 过程通常涉及调用大语言模型进行信息抽取，因此计算成本较高。
Cognee 通过构建知识图谱作为 AI Agent 的外部记忆层。
cognee.cognify() 是 Cognee 框架中触发知识图谱构建的核心方法，执行实体识别、关系抽取和图谱写入。
Mem0、Honcho、Cognee 三者的共同点是记忆能力构建在通用存储之上，通过抽象层屏蔽底层差异。
Cognee 更接近知识图谱构建工具，强调用图结构组织文档与实体，并提供图+向量的混合检索。
还有 11 条时间轴事件
全部知识事实 (20)
Cognee从文档、代码和会话历史构建图与向量知识层，后端可分布在关系型、图和向量存储上，本地开发有嵌入式默认值。
50%待验证原始技术分享未提及大规模工作区下的性能表现、权限边界的处理方式以及图谱更新的增量策略。
50%待验证Notion 工作区内容变化后，重新运行加载流程即可将增量信息同步到图谱中。
50%待验证将 Notion 文档转化为知识图谱后，Agent 可以沿着实体关系进行推理并形成有上下文的回答。
50%待验证Cognee 将 add() 与 cognify() 分离的两段式设计，允许批量收集文档后再一次性触发图谱化，避免每加入一条文本就重复执行昂贵的图谱计算。
50%待验证cognee.cognify() 过程通常涉及调用大语言模型进行信息抽取，因此计算成本较高。
50%待验证Cognee 通过构建知识图谱作为 AI Agent 的外部记忆层。
50%待验证cognee.cognify() 是 Cognee 框架中触发知识图谱构建的核心方法，执行实体识别、关系抽取和图谱写入。
50%待验证Mem0、Honcho、Cognee 三者的共同点是记忆能力构建在通用存储之上，通过抽象层屏蔽底层差异。
50%待验证Cognee 更接近知识图谱构建工具，强调用图结构组织文档与实体，并提供图+向量的混合检索。
50%待验证Cognee在improve页面声明其闸门：指导仅当未被标记为有害且置信度通过蒸馏闸门时才有资格；被提议的教训交给writer/rejecter检查与现有教训和图实体的关系。
50%待验证Cognee 通过把内容吸收并构建知识图谱，使检索能够沿关系链游走，而非返回孤立文本块
50%待验证安装 Cognee 插件使用命令 pip install cognee-integration-hermes-agent，升级需加 -U 参数
50%待验证切换模型与记忆层完全解耦，Cognee 在底层对 Gemini、Opus 等不同模型一视同仁
50%待验证Cognee 插件采用无静默回退设计：若 COGNEE_BASE_URL 设置但无法连接或本地服务器启动失败，初始化会直接抛错而非切换到其他模式
50%待验证Cognee 的本地存储（SQLite、Kuzu/Ladybug、LanceDB）是单写入者的，多进程访问会导致数据库锁定错误并最终损坏数据，因此官方默认采用本地服务器作为单一所有者序列化访问
50%待验证Cognee 集成支持三种连接模式：local-server（默认）、remote（设置 COGNEE_BASE_URL）和 embedded（COGNEE_EMBEDDED=true）
50%待验证Cognee 本地服务器以 agent 模式运行，在最后一个 agent 注销后 60 秒内自动退役
50%待验证Cognee 插件在每轮对话完成后仅将内容写入廉价的会话记忆，不构建图谱；图谱构建（分块、LLM 提取实体关系、嵌入、提交边）集中在会话结束时通过 cognee.improve() 在独立进程中完成
50%待验证Hermes 通过扫描 $HERMES_HOME/plugins/ 下包含 plugin.yaml 和 Python 实现的文件夹来发现内存提供者，文件夹名即提供者身份标识
50%