​
CogneeRetriever

이 문서는 Cognee retriever 시작하기를 도와드립니다. 모든 CogneeRetriever 기능과 구성에 대한 자세한 문서는 API reference를 참조하세요.

​
Integration 세부사항

자체 데이터 가져오기 (즉, 사용자 정의 문서 코퍼스를 인덱싱하고 검색):
RetrieverSelf-hostCloud offeringPackage
CogneeRetriever✅❌langchain-cognee

​
Setup

cognee 기본 설정을 위해서는 OpenAI API key만 있으면 됩니다. 개별 쿼리에서 자동 추적을 받고 싶다면, 아래 주석을 해제하여 LangSmith API key를 설정할 수 있습니다: 
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

​
Installation

이 retriever는 langchain-cognee 패키지에 있습니다: 
pip install -qU langchain-cognee

import nest_asyncio

nest_asyncio.apply()

​
Instantiation

이제 retriever를 인스턴스화할 수 있습니다: 
from langchain_cognee import CogneeRetriever

retriever = CogneeRetriever(
    llm_api_key="sk-",  # OpenAI API Key
    dataset_name="my_dataset",
    k=3,
)

​
Usage

문서를 추가하고, 처리한 다음, 쿼리를 실행하세요. Cognee는 쿼리와 관련된 지식을 검색하고 최종 답변을 생성합니다. 
# Example of adding and processing documents
from langchain_core.documents import Document

docs = [
    Document(page_content="Elon Musk is the CEO of SpaceX."),
    Document(page_content="SpaceX focuses on rockets and space travel."),
]

retriever.add_documents(docs)
retriever.process_data()

# Now let's query the retriever
query = "Tell me about Elon Musk"
results = retriever.invoke(query)

for idx, doc in enumerate(results, start=1):
    print(f"Doc {idx}: {doc.page_content}")

​
API reference

TODO: API reference 링크를 추가하세요.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I