用 Cognee 给你的 Agent 跨会话的持久记忆

每个新的 agent 会话都从零开始：上周敲定的决策、修复和规则都不在了。Cognee（31k star）是一个开源 AI 记忆平台，正面解决这个问题——它把文本、代码和对话变成自托管的知识图谱，供你的 agent 跨会话检索。

为什么这个 Skill 重要

Cognee 暴露四个覆盖记忆生命周期的操作：remember 把内容或代码存入永久记忆（传入 session ID 时存入会话），recall 检索上下文与答案，improve 充实记忆并把会话知识沉淀进图谱，forget 删除条目或数据集。文本变成实体、关系和可检索的块；代码变成符号与依赖的图谱。

改变采用门槛的一点是：从 v1.6.0（2026 年 9 月 18 日）开始，你可以用本地抽取和嵌入模型构建并检索文本记忆——不需要 OpenAI 或 Anthropic 的 key。文本摄取、检索和会话存储都不依赖 LLM；依赖 LLM 的改进阶段会自动跳过。之后接入托管 LLM 即可解锁答案生成和更丰富的处理。

安装

Cognee 需要 Python 3.10–3.14。README 的本地优先安装带 GLiNER 附加依赖：

uv pip install "cognee[gliner]"

LLM key 是可选的。之后想在 shell 里添加时——README 通过 os.environ 或 .env 文件设置同一个 LLM_API_KEY：

export LLM_API_KEY="YOUR OPENAI_API_KEY"

实战：从文本构建记忆——不用 LLM

把下面内容存成 quickstart.py 再运行——这是 README 自带的本地快速上手，用本地模型抽取图谱并做嵌入：

import asyncio

import cognee


async def main():
    # Extract a knowledge graph and embed the text with local models.
    await cognee.remember(
        "Marie Curie was born in Warsaw and worked at the University of Paris.",
        dataset_name="local_quickstart",
    )

    # Retrieve the matching source text; no LLM generates an answer.
    results = await cognee.recall(
        "Where was Marie Curie born?",
        datasets=["local_quickstart"],
    )
    for result in results:
        print(result)


if __name__ == "__main__":
    asyncio.run(main())

同样的两步在 CLI 上也有：

cognee-cli remember "Marie Curie was born in Warsaw." -d local_quickstart
cognee-cli recall "Where was Marie Curie born?" -d local_quickstart

如果你更想先逛逛再动手，cognee-cli demo 会加载内置示例数据并跑关键词搜索——不需要 API key，也不用下载模型。

实战：接进 Claude Code

想让编码 agent 共用这份记忆，从集成仓库安装 Claude Code 插件：

claude plugin marketplace add topoteretes/cognee-integrations
claude plugin install cognee-memory@cognee

也有 Codex 插件——需要先在 ~/.codex/config.toml 里启用 hooks。Cursor、Cline 等 MCP 客户端则通过 Cognee MCP server 接入。

技巧

• 运行 cognee-cli -ui 可以在界面里检查本地安装——启动器需要 Node.js/npm，其 MCP 服务需要 Docker。
• 迁移是一等公民路径：README 记录了通过 COGX 交换格式从 Mem0、Letta、Zep 或 Graphiti 导入记忆。
• 整个记忆层可以跑在一个 Postgres 实例上——图谱、向量和元数据放在一起。注意 README 自己的警告：这种 Postgres 当图存储的模式目前以 demo 功能发布；生产可用的版本是授权产品。

何时不用这个 Skill

如果上下文只在单个会话内有意义，启动时读一个 markdown 文件更简单——Cognee 的价值在于知识要跨会话、跨 agent、跨机器持久存在并被检索。另外，未配置 LLM 时 recall 返回的是匹配的源文本，不是生成的答案；想从记忆里得到综合回复，就需要那步可选的 LLM 配置。

查看 排行榜 了解更多 skill。