Cognee 对比 Dromedary

Cognee 将文档、聊天记录、工单和 API 数据转化为图形记忆语言模型代理，可以跨会话调用。它从上下文中构建关联实体图，使代理在每次运行时不必从头开始。您可以连接 Slack、GitHub 或 Linear，使编码代理和支持机器人共享一个具有权限感知的公司大脑。

普通的 RAG 返回相似的文本片段。Cognee 将向量搜索与知识图谱和自动生成的本体结合，因此调用时提取的是关联实体和引用事实，而非孤立的片段。SDK 以四个动词为核心：记住、调用、遗忘和改进，且相同的接口通过 HTTP 和 MCP 提供给 Claude Code、Codex 和 OpenClaw。

平台团队将其用于编码代理记忆、GraphRAG 流水线、交易情报以及需要有据可依答案的面向客户的代理。可通过 pip 本地运行，自托管于 Docker 或本地环境，或在需要托管扩展时迁移至 Cognee Cloud。该项目在 GitHub 上拥有 30.4k 星标，每月 SDK 调用超过 500 万次，Bayer 和 Knowunity 已投入生产部署。

Dromedary 是 IBM 研究院的一个开源语言模型项目，旨在通过最少的人类标注训练出有用、合乎伦理且可靠的大型语言模型。该 GitHub 仓库提供训练代码、推理演示、提示词以及可添加到基础 LLaMA 检查点以本地运行 Dromedary 模型的增量权重。

大多数对齐流程依赖庞大的人类标注团队，而 Dromedary 遵循一套原则驱动的自我对齐方法，该方法作为 NeurIPS 2023 的重点论文发表。Dromedary-2 将原始的 SELF-ALIGN 流程简化为两个阶段，并从 ShareGPT、Dolly-15k、OpenAssistant 和 OpenOrca 中提取多样化提示词，随后在 LLaMA-2 上进行监督微调。

复制对齐方法的研究人员以及希望获得可检查的 IBM 对齐堆栈的开发者将从此仓库中受益最大。你需要自备 LLaMA 权重、用于推理的 GPU 硬件，并熟悉 Python 训练脚本，而非依赖托管 API。