Cognee 官方入口：开源 AI 记忆平台本地部署指南

搜索“Cognee 下载”时，最危险的不是找不到包，而是从第三方整理页拿到过期命令。Cognee 的 Python 接口、MCP 服务和 Claude Code 插件都在快速更新，本地部署应先锁定官方入口，再决定用容器还是源码运行。

三个入口分别负责什么

• www.cognee.ai：产品与云服务入口。
• docs.cognee.ai：安装、配置、部署和 API 文档。
• github.com/topoteretes/cognee：Apache 2.0 开源仓库、Compose 文件与版本变更。

核验仓库时看组织名 topoteretes、项目名 cognee 和许可证，不要只认紫色图标。第三方镜像即使文件名相同，也可能落后于主分支的环境变量和端口约定。

Docker 路线更适合先跑通服务

本机已安装 Docker Desktop、Colima 或其他可用容器运行时后，按仓库方式部署：

git clone https://github.com/topoteretes/cognee.git
cd cognee
cp .env.template .env

在 .env 中至少配置 LLM 提供方。使用默认 OpenAI 路径时，需要 LLM_API_KEY。随后启动 API 服务：

docker compose up --build cognee
docker compose ps

正常情况下，API 位于 http://localhost:8000，交互文档位于 http://localhost:8000/docs。端口被占用时应修改映射，不要同时启动第二份服务后再猜哪一个进程接收了数据。

源码路线便于开发和调试

需要改代码、跟踪日志或调试 Provider 时，可在仓库内创建虚拟环境：

uv venv
source .venv/bin/activate
uv sync --all-extras
uvicorn cognee.api.client:app --host 0.0.0.0 --port 8000

若服务只临时供 Agent 使用，可运行 python cognee/api/client.py --agent-mode。该模式默认端口为 8011，会在 Agent 注册后跟踪活跃连接，并在连接数回到零时关闭进程。它适合由插件或编排器拉起，不适合当作长期在线的团队服务。

默认本地，不等于零外部依赖

数据库在本机，不代表原始内容一定不出网。实体抽取、关系生成和嵌入仍取决于配置的模型端点；把敏感资料交给云模型前，应先确认组织的安全要求。

把“能打开”升级为“可长期运行”

部署完成后依次检查：服务健康、首次 remember 写入、recall 返回、重启后的数据持久化。对外开放时再补身份验证、数据集权限、固定镜像版本、备份和日志。若只验证了首页能打开，后台图谱构建失败仍可能被漏掉；若直接跟随 main 镜像上线，下一次拉取也可能带来未评估的变化。