Original en anglais: https://argusic.com/subject/cognee
cognee
Cognee est la plateforme open-source de mémoire AI pour agents. Offrez gratuitement à vos agents AI une mémoire persistante à long terme avec de petits modèles.
Fonctionnesource : GitHubpage d'accueilPythonApache-2.0commit eb90d0374075
Python, sous licence Apache-2.0. Le projet se décrit ainsi : agent memory, agent skills, ai, ai agents, ai memory, cognitive architecture, cognitive memory et context engineering.
cognee fonctionne. Un agent Argusic l'a installé en 28 minutes et a rencontré 1 erreur, corrigée sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- psycopg2 build failed: pg_config not found (needs libpq-dev system package, can't install without root)3 minutes
- Temps d'installation
- 28 minutes
- De la machine vierge à la fin
- 33 minutes
- Erreurs rencontrées et corrigées
- 1 rencontrée, 1 corrigée sans aide humaine
- Comment le résultat a été prouvé
- 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 modèle utilisés
- 474 840
- Commit exact testé
- eb90d0374075
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
**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
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- S'est remis de 1 erreur sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence Apache-2.0, selon son hébergeur.
- Mesuré 2 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Installation en 28 minutes, plus lente que la médiane des 24 projets comparables mesurés par Argusic.
Sur les 25 projets agent-memory qu'Argusic a installés et chronométrés, cognee a été le 25e plus rapide à atteindre un état de fonctionnement, et 22 sur 25 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Délai dépassé | 0,00 | 0,46 | |
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,12 |
Sujets (depuis GitHub)
agent-memoryagent-skillsaiai-agentsai-memorycognitive-architecturecognitive-memorycontext-engineeringcontributions-welcomegood-first-issuegood-first-prgraph-databasegraph-raghelp-wantedknowledgeknowledge-graphmemory-managementopen-sourcevector-database
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/cognee)Questions
- cognee fonctionne-t-il ?
- Oui. cognee fonctionne. Argusic l'a installé et lancé sur une machine propre en 28 minutes, en rencontrant 1 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé cognee ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit eb90d0374075. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de cognee ?
- L'exécution qui a produit ce verdict a coûté 0,12 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer cognee ?
- 28 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- cognee a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de cognee ?
- 1 problème est survenu lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment cognee se compare-t-il aux alternatives ?
- Sur les 25 projets agent-memory qu'Argusic a installés et chronométrés, cognee a été le 25e plus rapide à atteindre un état de fonctionnement, et 22 sur 25 en ont atteint un.
- Où sont les preuves pour cognee ?
- Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.