Cognee

从现有证据看，Cognee 可以判断为“受到明显关注、且具备明确产品边界的开源 Agent 记忆基础设施”，但还不能保守地说它已经过大规模生产验证。热度证明主要来自 GitHub Trending 风格帖子、X 上高转发内容和“星标增长很快”这类榜单式讨论，它们能说明关注度；好用证明则更多来自官方 GitHub 仓库描述，以及知乎拆解文对 remember / recall / forget、MCP、Postgres、Neo4j、pgvector 等能力的具体说明，这些更能支持它确实是一套可部署的记忆层。它不是通用聊天机器人，也不是单纯向量数据库；更准确的类比是“给 Agent 用的长期记忆操作层”或“带知识图谱层的 RAG/记忆基础设施”。

实际作用上，证据较一致地指向两件事：一是把会话中的重要信息沉淀为跨会话长期记忆，并支持 recall 与 forget；二是把非结构化数据转成图谱化知识，再结合向量检索与图检索供 Agent 查询。多篇知乎文章提到它支持 stdio、SSE、HTTP、Docker，以及用单 Postgres 覆盖较多记忆栈能力的部署思路，因此它更像开发者集成的后端组件，而不是开箱即用的业务应用。至于“降低幻觉”“更确定”这类表述，当前更多是社媒转述与愿景表达，不能当作稳定效果承诺。

门槛和成本方面，证据能明确支持的是：它是 Apache 2.0 开源项目，可自行部署；依赖与可选集成包含 FastAPI、SQLAlchemy、LiteLLM、LanceDB、RDFLib、NetworkX，以及 Neo4j、Neptune、Postgres/pgvector、LangChain、LlamaIndex 等，说明扩展面广，但工程复杂度并不低。现有 evidenceSources 没有给出官方定价，也没有可信的 API 费用表，所以不能推断总体拥有成本；“单 Postgres 方案更省事”最多只能算社区解读和部署示例，不应写成官方成本承诺。它更适合已经在做 Agent、RAG、知识库后端的开发团队，不太适合希望零配置直接产出业务结果的非技术用户。

社媒共识整体偏积极，普遍把 Cognee 视为“给 Agent 补长期记忆”的代表性 OSS，也常被拿来类比为把传统 RAG 往知识图谱方向推进的方案。但 evidenceSources 的讨论质量需要区分：目前知乎内容相对更像导读、拆解和教程，能帮助理解能力边界；X 上则以转发、榜单、趋势跟踪为主，热度强于实测；官方 GitHub 链接能证明项目公开存在与定位，但这里缺少 issue、PR、release 节奏、第三方长期复盘等更强的好用证明。整体可保守判断为：讨论不少、教程解读开始出现、但系统化第三方实测样本仍有限。