4.4 认知代理与自动化

4.4 认知代理与自动化

让代理自己决定"该查哪段记忆"

前面都是人问机答。这一节往前一步：把 Cognee 的图谱塞进一个能自己决策的 Agent，让它根据任务主动调记忆、做多步推理。这是"记忆层"真正活起来的样子。

这是第四章第四站，对应全册闭环的"自动化"延伸。

代理如何调用图谱

思路是把 cognee.search 包成一个工具（tool），交给 Agent 在需要时调用。Agent 自己决定"现在该查记忆了"，而不是你硬编码每一步。

import asyncio, cognee

# 把图谱检索包装成 Agent 可调用的工具
async def memory_tool(query: str):
    results = await cognee.search(query)
    # 把结果压成文本供 Agent 阅读
    return "\n".join(
        f"{r['entity']} --{r['relation']}--> {r['value']}" for r in results
    )

async def agent_step(question: str):
    # 代理自行判断是否需要查记忆
    ctx = await memory_tool(question)
    # 这里用 LLM 结合 ctx 生成最终回答（示意）
    answer = f"基于记忆：\n{ctx}"
    return answer

async def main():
    await cognee.add("./运维手册.pdf")
    await cognee.cognify()
    print(await agent_step("磁盘满了先查哪个日志"))

asyncio.run(main())
# 系统日志 --路径-->> /var/log/syslog
​

代理的价值不在"会问答"，而在"会按需取记忆"。你不用预先写死"先查日志再查指标"，代理看问题自己决定调 memory_tool。

自动化流水线的形态

除了单轮代理，Cognee 还支持把建图和查询编进自动化流水线，定时跑。下面示意一个定时增量建图的调度（思想代码）。

import schedule, time, asyncio, cognee

def job():
    asyncio.run(cognee.add("./incoming"))   # 新文档
    asyncio.run(cognee.cognify())           # 增量建图

schedule.every().hour.do(job)               # 每小时增量建图
while True:
    schedule.run_pending()
    time.sleep(60)
​

工程上这就是"记忆会自己长大"：你只管往 incoming 丢文件，图谱每小时更新一次，代理随时能查最新状态。

案例：运维事故的自动定位

背景：运维知识库里记着"磁盘满→查系统日志→定位 pid"的排障链，希望告警触发时自动给出排查步骤。

操作：告警来了，代理自行沿图谱走排障链。

import asyncio, cognee

async def on_alert(alert: str):
    await cognee.add("./运维手册.pdf")
    await cognee.cognify()
    steps = await cognee.search(f"{alert} 该怎么排查")
    return steps

asyncio.run(on_alert("磁盘使用率95%"))
#           '关注','OOM pid'], 'source':'运维手册.pdf#p3'}]
​

结果：告警一触发，代理沿图谱给出"查系统日志→看 OOM pid"的具体路径，不用人工翻手册。

解读：这是图谱增强自动化的典型收益——把"人脑里的排障经验"固化成图，让代理在压力下也能走对步骤。若用纯向量库，召回的是一堆相关段落，代理仍要自己拼路径。

变式：若排障手册更新（如日志路径变了），重 add 后图谱关系随之更新，代理下次自动走新路径，无需改代理代码。图变了，逻辑不变。

一个边界：代理该查记忆，但不该改记忆

把 Cognee 塞进 Agent，最容易越界的是让 Agent 拥有写图权限。Agent 自动 add + cognify 听起来智能，但一旦它基于错误中间结论写入，噪声就永久进图。实务纪律：Agent 默认只读（search），写图保留给人工或受控流水线。类比到金融——交易员能查账但不能单方面改总账，改账要独立复核。

# 给 Agent 的图谱工具只暴露读，不暴露写
async def read_only_memory(q):
    return await cognee.search(q)     # 只查
    # 不提供 add / cognify，避免 Agent 自写噪声

# Agent 工具集只挂 read_only_memory
​

这样 Agent 借助记忆做多步推理，却不污染记忆本身，系统长期可控。

⚠️ 别让自主 Agent 在无人确认下 cognify——它可能因幻觉把错误关系写死，且难追溯是谁写的。

💡 若确需 Agent 写记忆，加一道"人类确认"或"写入队列+抽样审核"，把自动化和安全性隔开。

一个可观测：代理查了什么要留痕

Agent 自动调记忆，出了问题要能复盘"它查了啥、拿到啥、据此做了啥"。建议每次 memory_tool 调用记日志。类比到金融交易——每笔自动下单留流水，出事能回溯，也满足合规。

⚠️ 别让自主代理静默运行无日志——一旦它基于错误记忆做了操作，你连"它当时看到啥"都还原不出。

💡 日志接可视化，代理的"思考轨迹"可回放，调试从猜变成看。

本节要点回顾

• 把 cognee.search 包成工具，代理按需调记忆而非硬编码步骤。
• 建图可定时自动化，查询按需化，构成持续记忆系统。
• 图谱让代理在压力下也走对排障路径，经验被固化。

⚠️ 别让代理无限制反复调 search。没结果时设最大重试，否则可能陷入空转烧 token。

💡 代理的"何时查记忆"比"怎么查"更难调，先用规则触发（如检测到关系型问题）再逐步放权给模型。