cognee

Cognee es una plataforma de memoria de IA de código abierto cuyo objetivo es proporcionar a los agentes de IA memoria persistente a largo plazo entre sesiones. Convierte documentos, código y conversaciones en un grafo de conocimiento autoalojado que los agentes pueden buscar y reutilizar, y puede ejecutarse localmente sin clave de API apoyándose en modelos locales pequeños (extracción con GLiNER más un modelo de embeddings local, descargado en el primer uso). Las operaciones principales se exponen como remember (almacenar contenido o código en memoria permanente, o en una sesión cuando se proporciona un ID de sesión), recall (recuperar contexto y respuestas mediante enrutamiento automático o una estrategia de búsqueda elegida), improve (enriquecer la memoria, aplicar retroalimentación, trasladar el conocimiento de la sesión al grafo) y forget (eliminar un elemento o conjunto de datos específico). El texto se convierte en entidades, relaciones y fragmentos buscables; el código se convierte en un grafo de símbolos y dependencias; la destilación de sesiones selecciona las lecciones aceptadas hacia la memoria permanente. El inicio rápido requiere Python 3.10-3.14 y se instala mediante pip/uv con un extra de gliner. Un comando de demostración incluido carga datos de ejemplo y ejecuta búsqueda por palabras clave sin clave de API. Configurar una clave de LLM (por ejemplo, OpenAI) habilita respuestas generadas y procesamiento de medios; también se documentan modelos locales de Ollama. Una CLI refleja la API de Python, y hay disponible un lanzador de UI (requiere Node.js/npm, Docker para su servicio MCP). Las integraciones abarcan plugins de Claude Code y Codex, OpenClaw, clientes MCP como Cursor y Cline, SDKs de Python, TypeScript y Rust, y una API REST. Las opciones de despliegue incluyen una configuración mínima de Docker Compose, una imagen preconstruida cognee/cognee con GLiNER incorporado, y perfiles de compose desde el código fuente para API (8000), UI (3000) y MCP (8001). Desde la versión 1.0, toda la capa de memoria puede ejecutarse en una única instancia de Postgres (el uso del almacén de grafos es actualmente una función de demostración). El proyecto publica un informe de evaluación BEAM sobre memoria conversacional con puntuaciones reportadas de 0,79 a 100K tokens y 0,67 a 10M tokens, con la metodología y limitaciones documentadas, además de un artículo en arXiv sobre la optimización de la interfaz entre grafos de conocimiento y LLMs.