Hindsight
让智能体把交互沉淀为可检索、可反思的长期记忆。
- Star 数
- ★ 59k
- 最近更新
- 今天
- License
- MIT
- 主语言
- Python
- FA 评分
- 46/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 有免费版，另有付费云服务
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 为客服聊天机器人按用户写入对话、工具调用和元数据，再在后续会话中只召回该用户的相关记忆。
- 不适合
- 需要完全离线、不接任何 LLM 服务的团队
- 不愿把对话数据交给第三方模型或云端的团队
- 只想用简单工作流、不需要长期记忆的轻量应用
这个 Agent 能做什么，适合哪些场景？
Hindsight 是面向对话式与自主任务型智能体的记忆系统，重点是让智能体从既有信息和经历中形成可用的理解，而不只是保存聊天记录。它以 memory bank 为隔离单元，区分世界事实、智能体经历和由反思形成的 mental models。系统以服务方式提供 Retain、Recall 和 Reflect 三个操作，并提供 Python、Node.js/TypeScript、REST API 与 CLI 接入路径。Docker 部署默认暴露 API 的 8888 端口和 UI 的 9999 端口，也支持外部 PostgreSQL、Oracle AI Database，以及通过 hindsight-all 在 Python 中嵌入运行。适合需要跨交互累积上下文、按用户隔离记忆并在后续任务中检索或分析这些记忆的开发团队。
调用方通过 client.retain(bank_id, content) 写入文本，也可传入 context、timestamp 与元数据。Retain 使用 LLM 提取关键事实、时间数据、实体和关系，并将其规范化为实体、时间序列、搜索索引及元数据；记忆进入 world facts 或 experiences 路径。client.recall(bank_id, query) 会并行执行语义向量、BM25 关键词、实体/时间/因果图和时间范围四种检索，再以 reciprocal rank fusion、cross-encoder 重排并按令牌限制裁剪结果。client.reflect(bank_id, query) 则基于已有记忆与经历生成新的观察、洞见或面向问题的回答。服务可由 hindsight-client 或 @vectorize-io/hindsight-client 调用，也可通过 HTTP 直接集成。
- 为客服聊天机器人按用户写入对话、工具调用和元数据，再在后续会话中只召回该用户的相关记忆。
- 为需要长期处理项目的 AI 项目经理保存项目事件，并用 Reflect 分析需要缓解的项目风险。
- 让销售智能体保留外联经历和结果，再用 Reflect 分析哪些外联信息获得了回复。
- 让支持智能体汇集客户问题与交互记录，并反思现有产品文档未覆盖的疑问。
- 在已有 Python 或 Node.js 智能体中通过 Hindsight 客户端增加 retain、recall 和 reflect 调用，而非自行实现多路记忆检索。
如何安装或部署这个 Agent？
Docker 部署需要一个 LLM 提供方密钥。以 OpenAI 为例：
export OPENAI_API_KEY=sk-xxx
docker run -it --pull always --name hindsight --restart unless-stopped -p 8888:8888 -p 9999:9999 -e HINDSIGHT_API_LLM_API_KEY=$OPENAI_API_KEY -v hindsight-data:/home/hindsight/.pg0 ghcr.io/vectorize-io/hindsight:latest服务启动后，API 位于 http://localhost:8888，UI 位于 http://localhost:9999。可用 HINDSIGHT_API_LLM_PROVIDER 选择 openai、anthropic、gemini、groq、ollama、lmstudio、minimax 或 atlas。Python 客户端安装命令为 pip install hindsight-client -U；Node.js 客户端安装命令为 npm install @vectorize-io/hindsight-client。若要在 Python 内嵌运行且不单独启动服务器，安装 hindsight-all -U；Intel x86_64 Mac 应使用 hindsight-all-slim。
如何使用这个 Agent？
Python 首次调用：
from hindsight_client import Hindsight
client = Hindsight(base_url="http://localhost:8888")
client.retain(bank_id="my-bank", content="Alice works at Google as a software engineer")
results = client.recall(bank_id="my-bank", query="What does Alice do?")
answer = client.reflect(bank_id="my-bank", query="Tell me about Alice")Node.js 可创建 new HindsightClient({ baseUrl: "http://localhost:8888" })，然后依次调用 await client.retain("my-bank", "Alice loves hiking in Yosemite") 与 await client.recall("my-bank", "What does Alice like?")。同一 bank_id 用于将相关记忆放在同一个 memory bank 中。
这个 Agent 有哪些优点和局限？
- Recall 明确组合四类并行检索：语义、BM25、图关系与时间范围，而不是只做单一向量相似度搜索。
- Retain 会从输入中抽取并规范化事实、实体、关系和时间数据，随后可供 Recall 与 Reflect 复用。
- 同时提供 Docker 服务、嵌入式 Python 运行、Python/Node.js 客户端、REST API 和 CLI 路径，便于接入不同应用架构。
- 可通过 memory bank 和元数据过滤将记忆按用户等维度隔离。
- 写入和反思依赖配置 LLM 提供方及 API 密钥；仓库列出提供方选项，但未在给定材料中说明各模型的成本、配额或故障处理行为。
- Intel x86_64 Mac 的嵌入式安装有特殊限制，需要 hindsight-all-slim。
- README 未给出认证、权限控制、备份、数据保留或多租户安全边界的具体配置，生产采用前需自行核实。
- 基准表现属于仓库报告；图中其他产品分数说明为厂商自报，仍应使用自身数据和任务验证检索质量。
这个 Agent 与同类方案有什么区别？
README 将 Hindsight 定位为不同于仅依赖 RAG 或知识图谱的记忆实现：它在召回阶段结合向量、关键词、图关系和时间检索，并在写入后形成实体、关系与时间序列表达。材料没有提供可复现的迁移步骤或与某个具体产品的逐项功能对照。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Hindsight 当前 | 46 · 缺口较多 | 自托管服务免费版 + 付费版 | ★ 59k | 今天 | Python | OpenAI API · Claude API |
| Memanto | 50 · 缺口较多 | 命令行工具免费版 + 付费版 | ★ 2.4k | 6 天前 | Python | Codex · Claude Code |
| Honcho 记忆基础设施 | 44 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 8k | 今天 | Python | Claude Code · OpenAI API · Claude API |
| Mem0 智能记忆层 | 52 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 68k | 2 天前 | Python | ChatGPT · Codex · Claude Code · Claude.ai · OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 提供了 Docker 和嵌入式部署的配置示例，但未明确权限最小化原则；用户确认机制未提及；数据流透明度部分描述了 retain/recall/reflect 操作，但未说明数据如何被处理或存储；敏感数据处理未专门讨论；依赖安全方面，package.json 中有 overrides 修复已知漏洞，但未提供依赖审计报告；外部影响方面，Docker 命令会暴露端口并持久化数据，但未说明网络暴露风险；回滚机制未提及；来源归属方面，README 提到由 Vectorize.io 构建，但发布者未经验证。扣分原因：缺乏权限最小化、用户确认、回滚等关键安全机制，数据流和敏感数据处理描述不充分。
证据显示：README 和测试文件在描述 API 和功能时保持一致，但未提供完整的错误处理文档；依赖可用性方面，提供了多种安装方式（Docker、pip、npm），但未说明依赖的可用性保障；失败消息方面，测试中检查了错误情况，但未提供用户友好的错误消息指南。扣分原因：错误处理文档不完整，依赖可用性未明确说明。
证据显示：README 明确了目标受众（AI 代理开发者）和多种使用场景（如个性化聊天机器人、AI 员工），并提供了多种部署方式（Docker、嵌入式、客户端），但未明确能力边界（如支持的模型、数据规模限制）；触发精度方面，描述了 retain/recall/reflect 的触发条件，但未提供精确的触发规则；环境适配方面，提供了平台支持矩阵，但未说明所有环境变量。扣分原因：能力边界和触发精度描述不充分。
证据显示：README 结构清晰，提供了安装说明、示例代码、架构说明和资源链接，但未提供 FAQ 或已知限制；命名稳定性方面，API 名称在文档中一致，但未说明版本兼容性；许可证为 MIT，但未提供变更日志；维护责任方面，README 提到贡献指南，但未明确维护者。扣分原因：缺少 FAQ、已知限制、变更日志和维护者信息。
证据显示：README 提供了清晰的 API 示例和输出格式，但未提供输出质量的评估；边际价值方面，声称优于 RAG 和知识图谱，但未提供详细对比；成本效益方面，未提供性能基准或成本分析。扣分原因：缺乏输出质量评估和成本效益分析。
证据显示：README 声称在 LongMemEval 上达到 SOTA，并提到独立复现，但未提供具体数据或复现步骤；跨来源验证方面，提到 Virginia Tech 和 Washington Post 的复现，但未提供链接；事实与推断分离方面，README 将性能声明与架构描述混合，未明确区分。扣分原因：性能声明缺乏可验证的数据和复现细节。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 发布者身份未经验证，应谨慎对待其安全性和可靠性声明。
- README 中的性能声明（如 LongMemEval SOTA）缺乏可验证的数据和复现步骤，不应仅凭此评估。
- Docker 部署会暴露端口并持久化数据，需注意网络安全和数据保护。
- 依赖安全仅通过 overrides 修复已知漏洞，未提供完整的依赖审计报告。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
What's Changed * docs: changelog and blog post for v1.1.0 by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5935 * docs(blog): ChatGPT sign-in recording in the v1.1.0 post by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5939 * fix(parsers): strip UTF-8 byte-order mark in markitdown text files by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5949 * fix(embeddings): don't fail the call when the provider omits prompt_tokens by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5951 …在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * docs: v1.0.0 changelog, Memlake launch post, and version-1.0 docs snapshot by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5550 * fix(client): stop the export poll loop from overrunning its timeout on Windows by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5568 * feat/webhook event delivery ids by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5576 * feat(control-plane): identify dataplane requests with its own User-Agent by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5536 …在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * fix(docs): overview hero reaches the window edges on wide screens by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5440 * docs: changelog and blog post for v0.10.3 by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5435 * docs: fix the home page link preview by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5441 * docs(blog): plain post titles with a description subtitle and byline row by @nicoloboschi in https://github.com/vectorize-io/hindsight/pull/5460 …在 GitHub 查看 ↗