前言在前面三篇文章中我们从 Agent 的记忆难题出发讨论了 Cognee 的处理机制以及 CittaBase 提供的多模一体化计算能力。在这一篇中我们将进入实际操作部署 Cognee、配置模型上传资料并完成一次真实检索。CittaBase、Cognee 后端与 Web 界面部署在同一台服务器上对话模型和 Embedding 模型通过 API 调用。01环境准备项目要求操作系统Rocky Linux 9x86_64推荐 Rocky Linux 9.7建议配置16 核 CPU、32 GB 内存、200 GB 可用磁盘空间安装权限root或具备 sudo 权限运行环境Python 3.11、Node.js 22下载安装模型服务OpenAI 兼容 API 的对话模型与 Embedding 模型网络服务器可访问系统软件源与模型 APIMindmap 需要浏览器访问 d3js.org推荐使用一台全新的服务器并且确保 55432、8000、3000 端口未被占用。此外还需提前准备好两类模型的 API 基础地址、模型名称、API Key以及 Embedding 输出维度本次安装部署基于 Qwen text-embedding-v4 模型 deepseek-v4-flashQwen text-embedding-v4 生成 EmbeddingDeepSeek 负责内容理解、实体关系抽取和答案生成。02安装 CittaBase 与 Cognee以下命令在服务器上以 root 执行。上传安装包创建目录mkdir-p/opt/install将配套的两个安装文件上传至该目录ymatrix-ai-1.0.0-1.rocky9.x86_64.rpm cognee-cittabase.tar.gz安装依赖与数据库cd /opt/install dnf module enable -y nodejs:22 dnf install -y nodejs python3.11 python3.11-pip tar gzip dnf install -y ./ymatrix-ai-1.0.0-1.rocky9.x86_64.rpm node --version各个命令需逐条执行确认成功后再继续。Node.js 的版本应为 v22.x.x 。安装 Cognee应用包已包含 Python 依赖、预构建的 Web 界面与安装工具无需自行编译。解压并检查包结构cd/opt/installtar-xzfcognee-cittabase.tar.gzcdcognee-cittabase python3.11 setup.py --check-package当输出 Package layout check passed 后执行 bash setup.sh然后根据安装器提示填写模型参数参数内容Chat API address对话模型 API 基础地址Chat model name对话模型名称Chat API key对话模型密钥Embedding API addressEmbedding API 基础地址Embedding model nameEmbedding 模型名称Embedding API keyEmbedding 模型密钥Embedding dimension与模型实际输出一致的向量维度输入密钥时终端不回显字符粘贴后按 Enter 即可。数据库密码由安装器自动生成应用部署、数据库初始化和服务启动也由安装器完成。安装成功后会输出如下信息Installation complete. Database: running API: ready UI: ready如果安装中断需要保留错误信息与现场进行排查不建议随意删除数据目录或直接重跑安装器。03访问 Web 界面默认服务仅监听服务器本机需要通过 SSH 隧道访问在本地电脑上执行以下命令替换服务器地址和登录账号ssh -N -o ExitOnForwardFailureyes -L 3000:127.0.0.1:3000 -L 8000:127.0.0.1:8000 rootYOUR_SERVER_IP然后在浏览器中访问http://localhost:3000登录之后在 Local instance 页面保留预填的本地评估登录信息点击 Sign in。注意这套配置用于私有评估无需开放公网应用端口。正式共享访问时需另行配置认证、TLS 与网络策略。04上传文档并验证问答首次验证推荐使用安装包内附带的示例文档/opt/install/cognee-cittabase/examples/first-test.pdf可以先将服务器上的示例 PDF 下载到本机再通过浏览器上传。在 Web 界面中依次操作进入 Brain点击 Create brain 或 New brain创建 first-test 。打开 first-test 点击 Add files上传示例 PDF。等待自动处理完成 (此步骤取决于大模型的处理速度)再打开 Mindmap 查看知识关系。进入 Search → Company Brain选择 first-test Dataset输入下面的问题。What is the maintenance interval for the Orion-147 cooling pump?预期回答为 45 days与示例文档中的维护周期一致。如有来源引用一并与原文核对。当前交付界面在上传后会自动执行 Cognify无需手动触发。处理过程会调用模型 API在服务器上检查服务状态/opt/cognee/bin/cognee-control status数据库、API、UI 均正常运行且文档处理和问答验证通过后即可导入自己的资料。也可以沿用前文的 MARS3 Bucket 文档验证同一个问题MARS3 Bucket 如何减少 Redistribute Motion并让下游算子进行本地计算05常用管理命令以下命令在服务器上以 root 执行操作命令查看状态/opt/cognee/bin/cognee-control status启动服务/opt/cognee/bin/cognee-control start停止服务/opt/cognee/bin/cognee-control stop重启服务/opt/cognee/bin/cognee-control restart更新模型配置或密钥/opt/cognee/bin/cognee-control configure启停操作需要避开文档处理期间。服务已配置为开机启动服务器重启后重新建立 SSH 隧道即可访问。configure 支持更新密钥和对话模型配置保存后会重启 API 。已有向量与 Embedding 模型相关因此工具会阻止直接修改 Embedding 模型、地址与维度此类调整需要另行安排向量重建或迁移。当遇到问题时优先检查以下几项现象检查项无法访问界面服务状态、SSH 隧道、本机端口是否被占用界面可打开但操作失败隧道是否同时转发 3000 与 8000 端口文档处理失败模型地址、名称、密钥、额度及网络连接回答为空或无关文档是否处理完成是否选择正确的 Dataset06小结至此CittaBase 与 Cognee 的单机环境已完成部署并通过示例文档验证了知识构建与检索问答。后续可以导入产品手册、运维记录或业务规范结合原文检查召回内容与知识关系评估其在实际任务中的使用效果。感谢你的阅读YMatrix 期待与志同道合的你一起同行。