cognee 如何用最小 docker-compose 启动 API 服务并完成首次 add、cognify、search 请求

cognee 如何用最小 docker-compose 启动 API 服务并完成首次 add、cognify、search 请求【免费下载链接】cogneeCognee is the open-source AI memory platform for agents. Give your AI agents persistent long-term memory across sessions with a self-hosted knowledge graph engine.项目地址: https://gitcode.com/GitHub_Trending/co/cognee如果你想在本地快速体验 cognee 的 API 服务——把一段文本加进数据集add、构建成知识图谱cognify、再用检索请求search查出来——可以用仓库提供的最小 docker-compose 方案一份单服务配置文件、预构建镜像cognee/cognee:main、默认本地数据库SQLite、LanceDB、Ladybug不需要克隆代码、不需要构建镜像唯一需要你提供的是一个 LLM API key。准备条件Docker 并安装 Compose 插件。可以是 Docker Desktop、Colima或任意 OCI 兼容运行时。一个 OpenAI API key作为默认的 LLM 和 embedding 提供方。使用 Colima 的话按 docs/docker-colima-setup.md 安装启动后用以下命令确认 daemon 可用docker info # Should print server information without errors docker run --rm hello-world如果提示 Docker daemon is not responding按运行时装法处理Docker Desktop 等引擎启动完成Colima 执行colima startLinux systemd 执行sudo systemctl start docker。第 1 步在空目录写入 docker-compose.yml选一个空目录最小方案不需要克隆仓库把下面内容保存为docker-compose.ymlservices: cognee: image: cognee/cognee:main ports: - 8000:8000 environment: LLM_API_KEY: ${LLM_API_KEY:?set LLM_API_KEY to your OpenAI API key} # Single-user try-out: no auth, shared local databases. # Remove this line (or set it to true) for multi-tenant mode, # which requires authentication on every API call. ENABLE_BACKEND_ACCESS_CONTROL: false两处关键配置的用途LLM_API_KEY通过 shell 环境变量注入:?表示未设置时 Compose 会直接报错退出所以启动前必须先导出它。ENABLE_BACKEND_ACCESS_CONTROL: false是单用户试用模式共享本地数据库且所有 API 调用都不要求认证。删掉这行或设为true则是多租户模式每次 API 调用都必须带认证。第 2 步启动服务export LLM_API_KEYsk-... # 替换为你的 OpenAI API key docker compose upsk-...替换成你自己的 key。第 3 步验证服务已就绪先请求健康检查端点curl http://localhost:8000/health再打开http://localhost:8000/docs查看交互式 API 参考。仓库根目录的完整 docker-compose.yml 中cognee 服务也把curl -f http://localhost:8000/health配成了周期性 healthcheck30 秒一次说明/health就是服务就绪的判断端点。第 4 步发送首次 add、cognify、search 请求以下三条命令对应「加入数据 → 构建知识图谱 → 检索」的完整链路datasetName/datasets统一使用main_dataset。先造一个待加料的文本文件然后调用 add 接口把它作为数据上传# Ingest a text file echo Cognee turns documents into AI memory. note.txt curl -X POST http://localhost:8000/api/v1/add \ -F datanote.txt \ -F datasetNamemain_datasetdatanote.txt表示把本地文件note.txt作为表单字段上传datasetName指定归属数据集。add 完成后调用 cognify 接口对指定数据集构建知识图谱# Build the knowledge graph curl -X POST http://localhost:8000/api/v1/cognify \ -H Content-Type: application/json \ -d {datasets: [main_dataset]}最后用 search 接口查询searchType使用GRAPH_COMPLETION# Search it curl -X POST http://localhost:8000/api/v1/search \ -H Content-Type: application/json \ -d {searchType: GRAPH_COMPLETION, query: What does Cognee do?, datasets: [main_dataset]}三条请求都基于同一数据集main_dataset顺序是 add → cognify → search先有数据再建图图建好后检索才会命中该数据集的内容。如果 search 返回与main_dataset无关的结果或为空先确认前两步是否针对同一数据集成功执行。可选让数据在重启后保留上面的最小文件把数据全部存在容器内删除容器数据就没了。要持久化把数据目录指到命名卷上services: cognee: image: cognee/cognee:main ports: - 8000:8000 environment: LLM_API_KEY: ${LLM_API_KEY:?set LLM_API_KEY to your OpenAI API key} ENABLE_BACKEND_ACCESS_CONTROL: false DATA_ROOT_DIRECTORY: /cognee-data/data SYSTEM_ROOT_DIRECTORY: /cognee-data/system volumes: - cognee_data:/cognee-data volumes: cognee_data:即通过DATA_ROOT_DIRECTORY和SYSTEM_ROOT_DIRECTORY两个环境变量把数据根目录和系统根目录固定到挂载卷cognee_data下。边界与下一步默认数据库SQLite、LanceDB、Ladybug都是文件型开箱即用换其他 LLM 提供方Anthropic、Gemini、Ollama 等时在 compose 里追加对应的LLM_PROVIDER/LLM_MODEL/LLM_ENDPOINT变量完整变量列表见 .env.template。需要 UI、MCP 服务、Postgres、Neo4j 时仓库根目录的 docker-compose.yml 以 opt-in profile 提供不在本文最小方案范围内。对外暴露 API 之前建议开启多租户模式ENABLE_BACKEND_ACCESS_CONTROLtrue即默认值它要求认证并按用户和数据集隔离数据启用前对照 .env.template 审查相关安全变量。【免费下载链接】cogneeCognee is the open-source AI memory platform for agents. Give your AI agents persistent long-term memory across sessions with a self-hosted knowledge graph engine.项目地址: https://gitcode.com/GitHub_Trending/co/cognee创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考