@pauliusztin_: 我研究了Cognee、Graphiti和agent-memory（来自Neo4j）如何构建它们的智能体记忆解决方案，并将整个架构整理成了一篇文章。

X AI KOLs Timeline 新闻
agent-memory knowledge-graphs vector-search llm architecture

摘要

关于Cognee、Graphiti和Neo4j的智能体记忆解决方案的研究总结，这些方案都使用知识图谱和向量搜索，并基于LLM进行数据提取。

我研究了Cognee、Graphiti和agent-memory（来自Neo4j）如何构建它们的智能体记忆解决方案，并将整个架构写成了一篇2800字的文章。 它们的解决方案有很大的重叠之处： - 基于知识图谱（KG）+ 向量搜索 - 数据模型和本体论处于核心位置——数据提取通过LLM（以及一些降低成本的技巧）完成。
查看原文
查看缓存全文

缓存时间: 2026/07/15 22:00

我研究了 Cognee、Graphiti 和 agent-memory（由 Neo4j 开发）如何构建其智能体记忆解决方案，并将整个架构整理成了一篇 2800 字的文章。

它们的解决方案存在巨大重叠：

  • 基于知识图谱（KG）+ 向量搜索

  • 数据模型和本体居于核心地位——数据提取通过 LLM（结合一些降低成本的技巧）完成

相似文章

rohitg00/agentmemory

GitHub Trending (daily)

agentmemory 是一个开源的持久化记忆层，专为 AI 编程智能体（Claude Code、Cursor、Gemini CLI、Codex CLI 等）设计。它通过知识图谱、置信度评分和混合搜索技术，借助 MCP、Hooks 或 REST API，为智能体提供跨会话的长期记忆能力。该项目基于 iii 引擎构建，无需外部数据库，提供 51 个 MCP 工具。

@yibie: 推荐这篇，交大和清华的团队系统测评了 12 种 Agent 记忆系统。不是那种"我们的模型更好"的论文，而是从数据管理的角度拆解记忆系统怎么选——什么时候该用 RAG、什么时候该用向量数据库、什么时候该用知识图谱。 Agent 的长期记忆…

X AI KOLs Timeline

This paper from SJTU and Tsinghua systematically evaluates 12 agent memory systems from a data management perspective, decomposing memory into four modules and providing guidelines on when to use RAG, vector databases, or knowledge graphs for long-term agent memory.