AI

Cognee：不用 API 金鑰也能跑的 Agent 記憶平台，把文件、程式碼與對話變成知識圖譜

Monday

本內容僅供參考，詳細使用規則與工具安全性與否，建議要進行相關安全性測試與評估

這個月我們看過不少「Agent 記憶」工具：claude-mem 自動記錄 session、Hermes Agent 把經驗寫成 Skill、Headroom 做跨 Agent 的共享記憶。Cognee（topoteretes/cognee）切入的角度更底層——它不只記住「Agent 做了什麼」，而是把你的文件、程式碼與對話整理成一張知識圖譜，讓 Agent 可以搜尋、重用，也可以被修正與遺忘。專案約 32.9k stars，main 分支超過 12,000 次 commit，近期持續出現在 AI 開源趨勢報告的「RAG／知識／記憶」類別中。

1. 專案背景與定位

Cognee 採 Apache-2.0 授權，自稱是「給 Agent 用的開源 AI 記憶平台」。它最近一個重要的方向是零金鑰運作：9 月 18 日釋出的 v1.6.0 起，Cognee 可以只用本機的 GLiNER 實體抽取模型與本機 embedding 模型完成記憶建構，LLM 變成選用——有 LLM 時才會產生生成式答案，需要 LLM 的強化步驟在沒有設定時會自動略過。

它提供 Python、TypeScript、Rust（Cognee-RS）SDK 與 REST API，並有 Claude Code、Codex、OpenClaw 的 plugin，以及給 Cursor、Cline 等 MCP 客戶端的整合說明。

2. 技術架構與核心設計

  • 四個核心操作：
    • remember：儲存內容或程式碼，可以永久保存，也可以只在單一 session 內有效
    • recall：取回相關脈絡或答案
    • improve：豐富記憶並套用回饋
    • forget：刪除單一項目或整個資料集
  • 知識圖譜為核心：把非結構化內容轉成實體與關係，搭配向量檢索做混合搜尋。
  • 本機優先：沒有 API 金鑰時使用本機 GLiNER 與 embedding 模型；有 OpenAI 金鑰時則使用 OpenAI 的語言模型與 embedding，也可接 Ollama 等本機模型。
  • 單一 Postgres 選項：可用 Postgres 同時存放關聯式 metadata、PGVector 向量與圖譜狀態（官方標示圖譜部分仍為 demo）。
  • 部署方式：Docker 映像 cognee/cognee:main，預設 API 在 8000、UI 在 3000、MCP 在 8001；cognee-cli 提供 demo 指令與本機 UI 啟動器；另有託管的 Cognee Cloud。
  • 最新版本 v1.6.1（9 月 24 日）：新增 Google Drive 與 Gmail 的 OAuth 連接器、/visualize/json 分塊串流，並在每個 chunk 加上 external_metadata。

3. 社群熱度與生態採用

約 32.9k stars、3.4k forks、超過 12,000 次 commit，但也有 756 個 open issue 與 298 個 open PR，開發非常活躍、維護壓力也不小。

官方在 BEAM 評測上自行公布的分數（0–1 分）：100K token 規模為 0.79，10M token 規模為 0.67。README 也很誠實地提醒：兩個設定使用不同的對話與程序，不應直接和其他系統比較，而 10M 規模的分散式匯入仍有重現上的落差。

4. 局限性與潛在風險

  • 多租戶權限預設開啟：ENABLE_BACKEND_ACCESS_CONTROL 預設為多租戶模式，每個 /api/v1 呼叫都需要已驗證的使用者——這是好的預設值。若改成 false 做單人本機使用，務必確保服務不對外開放。
  • 服務的暴露面：API、UI、MCP 三個 port 若在共用網路上開放，等於把整個知識庫開放給同網段的人存取。
  • 新的 OAuth 連接器：Google Drive 與 Gmail 連接器讓 Cognee 可以讀取信件與雲端檔案，授權範圍應盡量縮小，並注意這些內容會被寫入知識圖譜。
  • 記憶污染與遺忘：被寫進圖譜的錯誤資訊會影響之後的檢索；forget 與 improve 提供了修正手段，但需要有人定期檢查。若涉及個資，也要確認刪除是否真正從所有儲存層移除。
  • 資料遺失風險：README 提醒 Docker 使用 --rm 會丟棄容器內的資料，必須掛載具名 volume 才能保留記憶。
  • 相依變動：v1.6.1 將 dlt 列為核心相依，對自行管理相依套件的使用者是 breaking change。
  • 評測為自行公布：BEAM 分數與實驗設定都由官方提供，導入前應以自己的資料驗證。

5. 應用價值與適用場景

最適合需要自架、可控的知識記憶層的團隊：例如把內部文件、程式碼庫與會議紀錄整理成 Agent 可查詢的知識圖譜，或在資安要求高、不能使用外部 API 的環境中，用本機模型建立記憶。session 層級的記憶也適合客服或個人助理類 Agent，只在單次對話中保留脈絡、結束後自動清除。

Monday 的觀點與架構建議

  • Cognee 把記憶設計成 remember / recall / improve / forget 四個明確的操作，這是很好的介面設計：「遺忘」被當成一級公民，對個資法規與錯誤修正都至關重要。
  • 「不需要 API 金鑰」的本機模式降低了試用門檻，也讓敏感資料不必離開內網——對企業導入來說，這往往比效能數字更重要。
  • 部署建議：保持多租戶權限控管開啟、三個 port 只綁定內網、使用具名 volume 備份資料、OAuth 連接器只授予唯讀與最小範圍。
  • 回顧這個月的記憶類工具，可以看到三種路線：自動記錄（claude-mem）、經驗沉澱（Hermes Agent）、知識結構化（Cognee、Graphify）。真正好用的 Agent 記憶系統，很可能需要三者並存。

參考來源