cognee

项目介绍：Cognee

什么是 Cognee？

Cognee 是一个面向开发者的工具，帮助他们为人工智能应用程序构建一个可靠、可以投入生产的数据层。其主要功能在于实现可扩展且模块化的 ECL（提取、认知化、加载）流水线。这种流水线可以让用户互连并检索过去的对话、文档和音频记录，同时降低幻觉、开发者的工作量和成本。

用户可以在 Google Colab 中尝试 Cognee，也可以查看官方文档以了解更多信息。

安装指南

用户可以通过多种方式安装 Cognee，包括：

• 使用 pip：pip install cognee 或 pip install 'cognee[postgres]'（以支持 PostgreSQL）。
• 使用 poetry：poetry add cognee 或 poetry add cognee -E postgres（以支持 PostgreSQL）。

基本用法

1. 设置环境：用户需要设置 API 密钥以支持不同的语言模型（LLM）提供商。可以通过代码直接设置或使用 .env 文件进行配置。

2. 网络可视化：若要使用网络可视化功能，建议在 Graphistry 上创建账户并配置用户名和密码。

3. 运行用户界面：如果需要运行 UI，用户可以进入 cognee-frontend 目录，执行 npm run dev 命令，或者通过 docker 容器运行 docker-compose up，并访问本地的 3000 端口。

简单示例

Cognee 提供了一个简单的示例，演示如何使用默认的流水线添加文本、创建知识图谱并搜索 insights。用户可以通过该示例快速体验 Cognee 的强大功能。

自行创建记忆存储

Cognee 框架由可以分组到流水线中的任务组成。每个任务都可以是一个独立的业务逻辑模块，可以与其他任务结合形成一个完整的流水线。这些任务将数据持久化到用户的记忆存储中，允许用户搜索过去对话、文档或其他数据的相关背景。

示例：文档分类

Cognee 提供了一个默认的认知化流水线示例，展示了如何将数据加入 metastore 和进行标准化，再通过任务完成文档分类。这些任务可以独立存在，用户可以根据自己的业务逻辑创建新的任务。

矢量检索、图形和 LLMs

Cognee 支持多种工具与服务进行不同操作：

• 模块化性质：Cognee 的任务分为不同的流水线，这使得其具有高度模块化的特性。
• 本地设置：默认情况下，LanceDB 本地运行，配合 NetworkX 和 OpenAI。
• 矢量存储：支持 LanceDB、Qdrant、PGVector 和 Weaviate。
• 语言模型（LLMs）：支持 Anyscale 和 Ollama。
• 图形存储：支持 NetworkX 和 Neo4j。
• 用户管理：支持创建用户图表及权限管理。

演示

用户可以查看在线演示 notebook 或者观看介绍视频以更深入了解 Cognee 的使用。

入门指南

1. 安装服务器：使用 docker compose up 命令启动服务器。
2. 安装 SDK：pip install cognee 安装软件开发工具包。

Cognee 是一个提供丰富功能的工具，使得开发者能够更轻松地管理和检索 AI 应用所需的数据层。用户可以通过丰富的文档和示例，快速掌握该工具的使用方法和工作原理。