vectorize-io/hindsight

何を解決するか

Hindsight は、単なる会話履歴や基本的な RAG を超えるように設計されたエージェント記憶システムであり、AIエージェントが時間とともに実際に学習し、世界に対する持続的で進化する理解を構築できるようにします。長期記憶タスクにおける従来のベクトル検索や知識グラフの精度と再現性の限界に対処します。

動作方法

Hindsight は生物模倣的なデータ構造を使用して、情報を4つの異なる記憶タイプに整理します：世界の事実、個人の経験、統合された観察、合成された精神モデル。3つの主要な機能で動作します：

• 保持 (Retain)：LLM を使って入力から重要な事実、エンティティ、時系列データを抽出し、標準表現に正規化します。
• 想起 (Recall)：4つの並列検索戦略（意味的（ベクトル）、キーワード（BM25）、グラフ（エンティティ/因果）、時系列）を用い、それらを統合・再ランク付けして高精度を実現します。
• 振り返り (Reflect)：既存の記憶を深く分析して新しい関係を構築し、単なる検索ではなく推論を必要とする複雑な質問に答えることができます。

さらに、関連する事実を根拠付きの「観察」に統合し、「精神モデル」（特定の質問に対する永続的な回答）を維持することで、新しい LLM 呼び出しをせずに即座にアクセスできます。

対象ユーザー

異なるユーザー、プロジェクト、エージェント（個別「記憶バンク」で整理）に対して長期的かつ高精度な記憶を必要とする、AIエージェント、コードアシスタント、エンタープライズAIアプリケーションを開発する開発者。

特徴

• 高精度：LongMemEval ベンチマークで最先端のパフォーマンスを達成。
• 広範な統合：LangChain、LlamaIndex、CrewAI など60以上の統合を提供。Claude Code や Cursor などの各種コードエージェントも対応。
• 柔軟なデプロイ：マネージドクラウドサービス、Dockerコンテナ、Kubernetes Helmチャート、またはサーバー不要の埋め込みPythonライブラリとして利用可能。
• LLM非依存：OpenAI、Anthropic、Gemini など25以上のプロバイダーをサポート。Ollama や LM Studio を通じたローカルオプションも利用可能。
• MCP対応：MCPクライアントに記憶ツールを公開するための組み込み Model Context Protocol エンドポイントを備えています。