Original en inglés: https://argusic.com/subject/cognee
cognee
Cognee es la plataforma de memoria de IA de código abierto para agents. Da a tus AI agents memoria persistente a largo plazo con modelos pequeños gratis.
Funcionafuente: GitHubsitio webPythonApache-2.0commit eb90d0374075
Python, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent memory, agent skills, ai, ai agents, ai memory, cognitive architecture, cognitive memory y context engineering.
cognee funciona. Un agent de Argusic lo instaló en 28 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
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.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- psycopg2 build failed: pg_config not found (needs libpq-dev system package, can't install without root)3 minutos
- Tiempo de instalación
- 28 minutos
- De máquina en frío a terminar
- 33 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- 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
- Tokens de modelo usados
- 474.840
- Commit exacto probado
- eb90d0374075
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**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
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 28 minutos en instalarse, más lento que la mediana de los 24 proyectos comparables que ha medido Argusic.
De los 25 proyectos de agent-memory que Argusic ha instalado y cronometrado, cognee fue el 25.º más rápido en llegar a funcionar, y 22 de 25 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Se quedó sin tiempo | 0,00 | 0,46 | |
| Argusic Runner | 1/3 | Funciona | 100,00 | 0,12 |
Temas (de GitHub)
agent-memoryagent-skillsaiai-agentsai-memorycognitive-architecturecognitive-memorycontext-engineeringcontributions-welcomegood-first-issuegood-first-prgraph-databasegraph-raghelp-wantedknowledgeknowledge-graphmemory-managementopen-sourcevector-database
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/cognee)Preguntas
- ¿Funciona cognee?
- Sí. cognee funciona. Argusic lo instaló y lo inició en una máquina limpia en 28 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic cognee?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit eb90d0374075. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar cognee?
- La ejecución que produjo este veredicto costó 0,12 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda cognee en instalarse?
- 28 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita cognee una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar cognee?
- En la ejecución registrada falló 1 cosa, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara cognee con las alternativas?
- De los 25 proyectos de agent-memory que Argusic ha instalado y cronometrado, cognee fue el 25.º más rápido en llegar a funcionar, y 22 de 25 llegaron a funcionar.
- ¿Dónde está la evidencia de cognee?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.