闲社

标题: 【教程】零基础部署Cognee：给AI Agent装上永久记忆的知识图谱实战 [打印本页]
作者: dcs2000365    时间: 3 小时前
标题: 【教程】零基础部署Cognee：给AI Agent装上永久记忆的知识图谱实战
【教程】零基础部署Cognee：给AI Agent装上永久记忆的知识图谱实战

发布时间：2026-06-22 | 分类：技能教程 | 阅读约需8分钟

一、前言

最近GitHub Trending上有个项目叫 Cognee，号称是"开源AI记忆平台"，能让你的AI Agent拥有跨会话的持久记忆。听起来很玄，实际用下来确实有点东西——它能把你喂给它的文档自动转成知识图谱，下次对话时Agent能直接"想起来"之前聊过什么。

今天这篇教程，手把手教你从零部署Cognee，让你的AI Agent告别"金鱼记忆"。

二、前置条件



三、安装步骤

步骤1：创建虚拟环境
  2. # 创建项目目录
  3. mkdir ~/cognee-demo && cd ~/cognee-demo
  5. # 创建虚拟环境（推荐uv，pip也行）
  6. python -m venv venv
  7. source venv/bin/activate  # Windows用: venv\Scripts\activate
复制代码

步骤2：安装Cognee
  2. # 方式一：用uv（最快）
  3. uv pip install cognee
  5. # 方式二：用pip
  6. pip install cognee
  8. # 方式三：用poetry
  9. poetry add cognee
复制代码

步骤3：配置环境变量
  2. # 创建.env文件
  3. cat > .env << 'EOF'
  4. LLM_API_KEY=sk-your-openai-api-key-here
  5. LLM_PROVIDER=openai
  6. LLM_MODEL=gpt-4o-mini
  7. EMBEDDING_PROVIDER=openai
  8. EMBEDDING_MODEL=text-embedding-3-small
  9. EOF
复制代码

也可以直接在代码里设置：
  2. import os
  3. os.environ["LLM_API_KEY"] = "sk-your-openai-api-key-here"
复制代码

步骤4：验证安装
  2. python -c "import cognee; print(cognee.__version__)"
复制代码

看到版本号说明安装成功。

四、核心实战：让AI记住你的文档

场景：构建一个"公司知识库"Agent

假设你有一堆产品文档、技术规范、会议纪要，想让AI Agent能随时调用这些知识。

步骤1：写入记忆（Ingest）
  2. import cognee
  3. import asyncio
  5. async def build_memory():
  6.     # 存入永久知识图谱
  7.     await cognee.remember(
  8.         "我们的产品是一款面向中小企业的智能客服系统，
  9.          核心功能包括：多渠道接入、自动回复、人工转接、数据分析。
  10.          技术栈：Python + FastAPI + PostgreSQL + Redis + React"
  11.     )
  12.    
  13.     # 再存一条
  14.     await cognee.remember(
  15.         "2026年Q2产品路线图：
  16.          1. 上线语音客服功能
  17.          2. 集成主流CRM系统
  18.          3. 推出AI辅助坐席功能"
  19.     )
  20.    
  21.     print("✅ 知识已存入记忆图谱")
  23. asyncio.run(build_memory())
复制代码

步骤2：查询记忆（Recall）
  2. async def query_memory():
  3.     # 自动选择最佳搜索策略（向量搜索 + 图谱推理）
  4.     results = await cognee.recall("我们产品的技术栈是什么？")
  5.    
  6.     for result in results:
  7.         print(f"📌 {result}")
  9. asyncio.run(query_memory())
复制代码

输出示例：
  2. 📌 技术栈：Python + FastAPI + PostgreSQL + Redis + React
  3. 📌 产品是一款面向中小企业的智能客服系统
复制代码

步骤3：会话隔离记忆

如果你想让不同用户的对话互不干扰，可以用session_id：
  2. async def session_memory():
  3.     # 用户A的偏好
  4.     await cognee.remember(
  5.         "用户喜欢简洁的回答，不需要过多解释",
  6.         session_id="user_a"
  7.     )
  8.    
  9.     # 用户B的偏好
  10.     await cognee.remember(
  11.         "用户是技术背景，需要详细的技术实现细节",
  12.         session_id="user_b"
  13.     )
  14.    
  15.     # 查询时带上session_id
  16.     results = await cognee.recall(
  17.         "用户的偏好是什么？",
  18.         session_id="user_a"
  19.     )
  20.     print(results)  # 只返回用户A的偏好
  22. asyncio.run(session_memory())
复制代码

步骤4：删除记忆（Forget）
  2. # 清空整个数据集
  3. await cognee.forget(dataset="main_dataset")
  5. # 或者删除特定会话的记忆
  6. await cognee.forget(session_id="user_a")
复制代码

五、进阶：批量文档处理

实际项目中，你不会一条条手动输入。Cognee支持直接读取文件：
  2. import cognee
  3. import asyncio
  5. async def ingest_files():
  6.     # 读取单个文件
  7.     await cognee.add("path/to/your/document.pdf")
  8.    
  9.     # 读取整个目录
  10.     await cognee.add("path/to/knowledge-base/")
  11.    
  12.     # 构建知识图谱（cognify = 认知化）
  13.     await cognee.cognify()
  14.    
  15.     print("✅ 文档已转为知识图谱")
  17. asyncio.run(ingest_files())
复制代码

支持的格式：PDF、TXT、Markdown、Word、CSV、JSON等。

六、常见问题

Q1：安装时报错"No module named 'cognee'"？
确保你在虚拟环境中，且Python版本在3.10-3.14之间。

Q2：API Key泄露风险？
建议用.env文件管理密钥，不要硬编码到代码里。Cognee支持多种LLM Provider，包括本地模型（Ollama、LM Studio）。

Q3：知识图谱占用空间大吗？
默认使用SQLite本地存储，一个1000页文档的知识图谱大约几十MB。支持PostgreSQL扩展。

Q4：查询速度慢？
首次构建知识图谱需要一些时间，但查询是毫秒级的。如果数据量大，建议用PostgreSQL替代SQLite。

Q5：支持中文吗？
完全支持。Cognee的向量嵌入和图谱推理对中文文档效果良好。

七、总结

Cognee的核心价值在于：


部署完成后，你的AI Agent就从一个"临时工"变成了"老员工"——不仅记得公司所有文档，还能根据历史对话调整回答风格。

相关资源：


如果你部署过程中遇到问题，欢迎在楼下留言讨论！



欢迎光临 闲社 (https://fzgmgmantis.xianshe.com/) Powered by Discuz! X5.0