README_ko.md

Cognee 소개

Cognee는 원시 데이터를 에이전트를 위한 지속적이고 동적인 AI 메모리로 변환하는 오픈 소스 도구이자 플랫폼입니다. 벡터 검색과 그래프 데이터베이스를 결합하여 문서를 의미적으로 검색 가능하게 하고 관계별로 연결합니다.

Cognee는 두 가지 방식으로 사용할 수 있습니다.

1. Cognee 오픈 소스 (셀프 호스팅): 기본적으로 모든 데이터를 로컬에 저장합니다.
2. Cognee Cloud (관리형): 관리형 인프라에서 동일한 OSS 스택을 사용하여 더 쉽게 개발하고 프로덕션화할 수 있습니다.

Cognee 오픈 소스 (셀프 호스팅):

• 과거 대화, 파일, 이미지, 오디오 스크립트 등 모든 유형의 데이터를 상호 연결
• 기존 RAG 시스템을 그래프와 벡터 기반의 통합 메모리 계층으로 대체
• 품질과 정밀도를 향상시키면서 개발자 노력과 인프라 비용 절감
• 30개 이상의 데이터 소스에서 데이터를 수집할 수 있는 Pythonic 데이터 파이프라인 제공
• 사용자 정의 작업, 모듈식 파이프라인, 내장 검색 엔드포인트를 통한 높은 사용자 정의 가능성 제공

Cognee Cloud (관리형):

• 호스팅된 웹 UI 대시보드
• 자동 버전 업데이트
• 리소스 사용량 분석
• GDPR 준수, 엔터프라이즈급 보안

기본 사용법 & 기능 가이드

자세한 내용은 Colab 튜토리얼을 확인하세요.

빠른 시작

단 몇 줄의 코드로 Cognee를 사용해 보세요. 자세한 설정 및 구성은 Cognee 문서를 참조하세요.

필수 조건

• Python 3.10 ~ 3.13

1단계: Cognee 설치

pip, poetry, uv 또는 선호하는 Python 패키지 관리자를 사용하여 Cognee를 설치할 수 있습니다.

uv pip install cognee

2단계: LLM 구성

import os
os.environ["LLM_API_KEY"] = "YOUR OPENAI_API_KEY"

또는 템플릿을 사용하여 .env 파일을 생성하세요.

다른 LLM 공급자를 통합하려면 LLM 공급자 문서를 참조하세요.

3단계: 파이프라인 실행

Cognee는 문서를 가져와 지식 그래프를 생성한 다음 결합된 관계를 기반으로 그래프를 쿼리합니다.

이제 최소한의 파이프라인을 실행해 보겠습니다.

import cognee
import asyncio
from pprint import pprint


async def main():
    # Cognee에 텍스트 추가
    await cognee.add("Cognee turns documents into AI memory.")

    # 지식 그래프 생성
    await cognee.cognify()

    # 그래프에 메모리 알고리즘 추가
    await cognee.memify()

    # 지식 그래프 쿼리
    results = await cognee.search("What does Cognee do?")

    # 결과 표시
    for result in results:
        pprint(result)


if __name__ == '__main__':
    asyncio.run(main())

보시다시피, 출력은 이전에 Cognee에 저장한 문서에서 생성됩니다.

  Cognee turns documents into AI memory.

Cognee CLI 사용

대안으로 다음 필수 명령으로 시작할 수 있습니다.

cognee-cli add "Cognee turns documents into AI memory."

cognee-cli cognify

cognee-cli search "What does Cognee do?"
cognee-cli delete --all

로컬 UI를 열려면 다음을 실행하세요.

cognee-cli -ui

데모 및 예제

Cognee 작동 모습 확인:

지속적인 에이전트 메모리

LangGraph 에이전트를 위한 Cognee 메모리

간단한 GraphRAG

데모 보기

Cognee와 Ollama

데모 보기

커뮤니티 및 지원

기여하기

여러분들의 기여를 환영합니다! 여러분의 의견은 Cognee를 더 좋게 만드는 데 큰 도움이 됩니다. 시작하려면 CONTRIBUTING.md를 참조하세요.

규칙

우리는 포용적이고 존중하는 커뮤니티를 만들기 위해 노력하고 있습니다. 규칙은 규칙 문서를 확인해주세요.

연구 및 인용

최근 LLM 추론을 위한 지식 그래프 최적화에 관한 연구 논문을 발표했습니다.

@misc{markovic2025optimizinginterfaceknowledgegraphs,
      title={Optimizing the Interface Between Knowledge Graphs and LLMs for Complex Reasoning},
      author={Vasilije Markovic and Lazar Obradovic and Laszlo Hajdu and Jovan Pavlovic},
      year={2025},
      eprint={2505.24478},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2505.24478},
}