Englisches Original: https://argusic.com/subject/cognee
cognee
Cognee ist die Open-Source-AI-Speicherplattform für Agenten. Geben Sie Ihren AI-Agenten mit kleinen Modellen kostenlos persistenten Langzeitspeicher.
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit eb90d0374075
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agent memory, agent skills, ai, ai agents, ai memory, cognitive architecture, cognitive memory und context engineering.
cognee läuft. Ein Argusic-Agent hat es in 28 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
cognee 1.6.1 installs, builds, starts, and runs: the local LLM-free remember/recall pipeline produces search results from ingested text, the CLI demo loads a bundled knowledge graph, the FastAPI server answers HTTP 200 on /health, and 388 unit tests pass across 5 test suites with zero failures.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- psycopg2 build failed: pg_config not found (needs libpq-dev system package, can't install without root)3 Minuten
- Installationszeit
- 28 Minuten
- Von der kalten Maschine bis zum Ende
- 33 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest across shared/eval/api/v1 test suites: 388 tests passed; quickstart.py remember+recall returned correct text; cognee-cli demo returned 'Success: Demo graph loaded (47 nodes, 86 edges)'; API /health endpoint returned HTTP 200
- Verbrauchte Modell-Tokens
- 474.840
- Genau getesteter Commit
- eb90d0374075
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
**format**: `ruff format --check .` -- 2759 files already formatted tokens used 474,840 All verification steps passed. Let me compile the final ARGUSIC_RESULT. I ran the complete verification and observed every result: **install**: `uv sync --dev --extra gliner --extra neo4j --extra evals` succeeded (first run with `… **quickstart**: the local LLM-free `remember` + `recall` Python script printed the document text `"… **CLI demo**: `cognee-cli demo` printed `Success: Demo graph loaded into dataset 'demo' (47 nodes, … **API server**: `python -m cognee.api.client` started and `curl http://localhost:8000/health` retur… **unit tests**: ran 56+90+78+6+124+34 = **388 tests passed** across shared/, eval_framework/, api/,… **lint**: `ruff check .` -- All checks passed **format**: `ruff format --check .` -- 2759 files already formatted
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 28 Minuten, langsamer als der Median der 24 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 25 Projekten im Bereich agent-memory, die Argusic installiert und zeitlich gemessen hat, belegte cognee Platz 25 bei der Zeit bis zum lauffähigen Zustand, und 22 von 25 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Zeit abgelaufen | 0,00 | 0,46 | |
| Argusic Runner | 1/3 | Läuft | 100,00 | 0,12 |
Themen (von GitHub)
agent-memoryagent-skillsaiai-agentsai-memorycognitive-architecturecognitive-memorycontext-engineeringcontributions-welcomegood-first-issuegood-first-prgraph-databasegraph-raghelp-wantedknowledgeknowledge-graphmemory-managementopen-sourcevector-database
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/cognee)Fragen
- Läuft cognee?
- Ja. cognee läuft. Argusic hat es auf einer sauberen Maschine in 28 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic cognee getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit eb90d0374075. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von cognee gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,12 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von cognee?
- 28 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht cognee eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von cognee schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet cognee im Vergleich zu Alternativen ab?
- Von den 25 Projekten im Bereich agent-memory, die Argusic installiert und zeitlich gemessen hat, belegte cognee Platz 25 bei der Zeit bis zum lauffähigen Zustand, und 22 von 25 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für cognee?
- Alle 2 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.