@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。

理解智能体记忆（38分钟阅读）

TLDR AI

本文比较了三种常见的智能体记忆系统形态——基于文件的、结构化存储和基于经验的，并通过一个使用常见智能体循环和开源模型的基准测试评估了它们的有效性。