Original em inglês: https://argusic.com/subject/cognee
cognee
Cognee é a plataforma de memória de IA de código aberto para agents. Dê aos seus AI agents memória persistente de longo prazo com modelos pequenos gratuitamente.
Executafonte: GitHubpágina do projetoPythonApache-2.0commit eb90d0374075
Python, licença Apache-2.0. O projeto se descreve como: agent memory, agent skills, ai, ai agents, ai memory, cognitive architecture, cognitive memory e context engineering.
cognee executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 28 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- psycopg2 build failed: pg_config not found (needs libpq-dev system package, can't install without root)3 minutos
- Tempo de instalação
- 28 minutos
- Da máquina limpa até o fim
- 33 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- eb90d0374075
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**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
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 28 minutos para instalar, mais devagar que a mediana dos 24 projetos comparáveis que a Argusic mediu.
Dos 25 projetos de agent-memory que a Argusic instalou e cronometrou, cognee foi o 25º mais rápido a chegar a um estado de execução, e 22 de 25 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Tempo esgotado | 0,00 | 0,46 | |
| Argusic Runner | 1/3 | Executa | 100,00 | 0,12 |
Tópicos (de GitHub)
agent-memoryagent-skillsaiai-agentsai-memorycognitive-architecturecognitive-memorycontext-engineeringcontributions-welcomegood-first-issuegood-first-prgraph-databasegraph-raghelp-wantedknowledgeknowledge-graphmemory-managementopen-sourcevector-database
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/cognee)Perguntas
- cognee executa?
- Sim. cognee executa. A Argusic o instalou e iniciou em uma máquina limpa em 28 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou cognee?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit eb90d0374075. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar cognee?
- A execução que produziu este veredito custou US$ 0,12: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar cognee?
- 28 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- cognee precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar cognee?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como cognee se compara às alternativas?
- Dos 25 projetos de agent-memory que a Argusic instalou e cronometrou, cognee foi o 25º mais rápido a chegar a um estado de execução, e 22 de 25 chegaram a esse estado.
- Onde estão as evidências de cognee?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.