vectorize-io/hindsight

해결하는 문제

Hindsight는 단순한 대화 기록이나 기본적인 RAG을 넘어서, AI 에이전트가 시간이 지남에 따라 실제로 학습하고 지속적이고 진화하는 세계에 대한 이해를 쌓을 수 있도록 설계된 에이전트 메모리 시스템입니다. 장기 기억 작업에서 전통적인 벡터 검색과 지식 그래프의 정확도 및 재현성 한계를 해결합니다.

작동 방식

Hindsight는 생물학적 모방 데이터 구조를 사용하여 정보를 네 가지 다른 메모리 유형으로 정리합니다: 세계 사실, 개인적 경험, 통합된 관찰, 합성된 정신 모델. 세 가지 주요 기능을 통해 작동합니다:

• 보존 (Retain): LLM을 사용하여 입력에서 핵심 사실, 엔티티, 시간 정보를 추출하고 표준 표현으로 정규화합니다.
• 기억 (Recall): 의미적(벡터), 키워드(BM25), 그래프(엔티티/인과), 시간적 네 가지 병렬 검색 전략을 사용하여 통합하고 재순위 지정하여 높은 정확도를 달성합니다.
• 반성 (Reflect): 기존 메모리를 깊이 분석하여 새로운 연결을 형성하고, 단순한 검색이 아닌 추론이 필요한 복잡한 질문에 답합니다.

또한 관련된 사실을 근거 있는 '관찰'로 통합하고, 특정 질문에 대한 지속적인 '정신 모델'을 유지하여 새로운 LLM 호출 없이 즉시 접근할 수 있습니다.

대상 사용자

다른 사용자, 프로젝트, 에이전트(격리된 '메모리 백업'으로 구성)를 통해 장기적이고 고정확도의 메모리가 필요한 AI 에이전트, 코드 보조 도구, 기업용 AI 애플리케이션을 개발하는 개발자.

주요 특징

• 고정확도: LongMemEval 벤치마크에서 최고 수준의 성능을 달성.
• 광범위한 통합: LangChain, LlamaIndex, CrewAI 및 Claude Code, Cursor 등 다양한 코드 에이전트 포함 60개 이상의 통합 제공.
• 유연한 배포: 관리형 클라우드 서비스, Docker 컨테이너, Kubernetes Helm 차트, 또는 서버 없이 사용 가능한 내장 Python 라이브러리로 제공.
• LLM 독립성: OpenAI, Anthropic, Gemini 및 Ollama 또는 LM Studio를 통한 로컬 옵션 포함 25개 이상의 제공업체 지원.
• MCP 지원: MCP 클라이언트에 메모리 도구를 노출할 수 있도록 내장된 Model Context Protocol 엔드포인트 제공.