منصوبے کے بارے میں

Cognee ایک اوپن سورس AI میموری پلیٹ فارم ہے جس کا مقصد AI ایجنٹس کو سیشنز کے دوران مستقل طویل مدتی یادداشت فراہم کرنا ہے۔ یہ دستاویزات، کوڈ اور گفتگو کو ایک خود میزبان نالج گراف میں تبدیل کرتا ہے جسے ایجنٹس تلاش اور دوبارہ استعمال کر سکتے ہیں، اور یہ مقامی طور پر بغیر API کلید کے چل سکتا ہے کیونکہ یہ چھوٹے مقامی ماڈلز (GLiNER ایکسٹریکشن کے ساتھ ایک مقامی ایمبیڈنگ ماڈل، جو پہلی بار استعمال پر ڈاؤن لوڈ ہوتا ہے) پر انحصار کرتا ہے۔ بنیادی آپریشنز remember (مواد یا کوڈ کو مستقل میموری میں محفوظ کرنا، یا سیشن ID دیے جانے پر سیشن میں)، recall (خودکار روٹنگ یا منتخب تلاش کی حکمت عملی کے ذریعے سیاق و سباق اور جوابات حاصل کرنا)، improve (میموری کو افزودہ کرنا، فیڈبیک لاگو کرنا، سیشن کے علم کو گراف میں شامل کرنا) اور forget (کسی مخصوص آئٹم یا ڈیٹاسیٹ کو ہٹانا) کے طور پر دستیاب ہیں۔ متن entities، relationships اور قابل تلاش chunks بن جاتا ہے؛ کوڈ symbols اور dependencies کا گراف بن جاتا ہے؛ سیشن ڈسٹلیشن قبول شدہ اسباق کو مستقل میموری میں منتخب کرتا ہے۔ Quickstart کے لیے Python 3.10-3.14 درکار ہے اور یہ pip/uv کے ذریعے gliner extra کے ساتھ انسٹال ہوتا ہے۔ ایک bundled demo کمانڈ نمونہ ڈیٹا لوڈ کرتی ہے اور بغیر API کلید کے keyword search چلاتی ہے۔ LLM کلید (مثلاً OpenAI) کنفیگر کرنے سے تیار شدہ جوابات اور میڈیا پروسیسنگ فعال ہو جاتی ہے؛ مقامی Ollama ماڈلز بھی دستاویزی ہیں۔ ایک CLI Python API کی نقل کرتا ہے، اور ایک UI launcher دستیاب ہے (اس کے MCP سروس کے لیے Node.js/npm، Docker درکار ہے)۔ انٹیگریشنز میں Claude Code اور Codex پلگ انز، OpenClaw، MCP کلائنٹس جیسے Cursor اور Cline، Python، TypeScript اور Rust SDKs، اور ایک REST API شامل ہیں۔ ڈیپلائمنٹ کے اختیارات میں ایک minimal Docker Compose سیٹ اپ، GLiNER کے ساتھ پہلے سے بنی cognee/cognee امیج، اور API (8000)، UI (3000) اور MCP (8001) کے لیے source-checkout compose پروفائلز شامل ہیں۔ ورژن 1.0 سے پورا میموری لیئر ایک ہی Postgres انسٹینس پر چل سکتا ہے (graph store کا استعمال فی الحال ایک demo خصوصیت ہے)۔ یہ پروجیکٹ conversational memory پر ایک BEAM evaluation رپورٹ شائع کرتا ہے جس میں 100K tokens پر 0.79 اور 10M tokens پر 0.67 کے اسکور بتائے گئے ہیں، طریقہ کار اور حدود کے ساتھ دستاویزی، نیز knowledge graphs اور LLMs کے درمیان انٹرفیس کو بہتر بنانے پر ایک arXiv پیپر بھی۔