vectorize-io/hindsight

Hindsight: Agent Memory That Learns

해결하는 문제

Hindsight는 단순한 대화 기록이나 기본적인 RAG를 넘어서기 위해 설계된 에이전트 메모리 시스템입니다. AI 에이전트가 과거 상호작용의 단편을 단순히 회상하는 것을 넘어 시간이 지남에 따라 정보를 학습하고 합성할 수 있게 하여, 복잡한 에이전트 워크플로우에서 발생하는 장기 기억 감퇴 및 부정확성 문제를 해결합니다.

작동 방식

Hindsight는 세계적 사실, 경험, 관찰, 정신 모델로 구분된 생체 모방 데이터 구조를 사용하여 기억을 정리합니다. 세 가지 주요 기능을 통해 작동합니다.

  • Retain: LLM을 사용하여 입력에서 핵심 사실, 엔티티, 시간 데이터를 추출하고 정규화된 형식으로 저장합니다.
  • Recall: 4가지 병렬 전략(의미론적(벡터), 키워드(BM25), 그래프(엔티티/인과 관계), 시간(시간 범위))을 사용하여 기억을 검색한 다음, 이를 병합하고 재순위화합니다.
  • Reflect: 기존 기억을 심층 분석하여 새로운 연결을 형성하고 이해를 합성함으로써, 에이전트가 단순 조회가 아닌 추론이 필요한 복잡한 질문에 답할 수 있도록 합니다.

또한 관련 사실을 '관찰'(증거 기반의 신념)로 통합하고 '정신 모델'(특정 질문에 대한 확정된 답변)을 유지하여 확정된 지식의 캐시 역할을 합니다.

대상 사용자

AI 에이전트, 코딩 어시스턴트, 그리고 사용자, 프로젝트 또는 특정 에이전트에 대해 세션을 넘나드는 지속적이고 진화하는 기억이 필요한 엔터프라이즈 AI 애플리케이션을 구축하는 개발자.

주요 특징

  • 최첨단 성능: LongMemEval 벤치마크에서 높은 정확도 달성.
  • 광범위한 통합: LangChain, LlamaIndex, CrewAI 및 Cursor와 Claude Code 같은 다양한 코딩 에이전트를 포함하여 60개 이상의 통합 지원.
  • LLM Wrapper: OpenAI 및 Anthropic SDK용 래퍼를 통해 최소한의 코드 변경으로 기존 에이전트에 메모리 추가 가능.
  • 유연한 배포: 관리형 클라우드 서비스, Docker 컨테이너 또는 임베디드 Python 라이브러리(서버 불필요)로 제공.
  • MCP 지원: 내장된 Model Context Protocol 엔드포인트를 포함하여 메모리 작업을 도구로 노출 가능.

이 프로젝트를 다룬 글

관련

  • 프로젝트
    TencentCloud/TencentDB-Agent-Memory

    TencentDB Agent Memory는 LLM 에이전트를 위한 오픈소스 메모리 허브입니다. 대화를 캡처하고, 재사용 가능한 기술을 추출하며, 문서에서 Wiki를 구축하고, 코드를 CodeGraph로 인덱싱합니다. 중앙 UI(Memory Hub)를 통해 팀은 자산을 관리하고, 세밀한 ACL을 설정하며, 특정 메모리 조각을 개별 에이전트에 바인딩할 수 있습니다. 에이전트는 통합된 프록시와 통신하므로 모든 프레임워크(Claude Code, DeepSeek Harness, OpenClaw 등)가 코드 변경 없이 동일한 메모리를 사용할 수 있습니다. 벤치마크에 따르면 페르소나 유지율이 59% 향상되었습니다. 저장소는 원클릭 Docker 배포, 마이그레이션 도구, 제로 구성 콜드 스타트 및 추가 통합을 위한 로드맵을 제공합니다.

  • 프로젝트
    Growth-Kinetics/DiffMem

    DiffMem is a production‑ready FastAPI service that gives LLM‑powered agents a Git‑backed, Markdown‑based memory. Each user lives on an isolated Git branch; the writer agent commits conversation updates, and a retrieval agent uses plain `git`/`grep` commands to fetch the current view or dive into history. The system needs only an LLM API key, runs on a tiny Linux box (Docker or Coolify), and optionally mirrors branches to a private GitHub repo for backup. It includes consolidation tools (dedupe, redistribute, link) to keep the “now” files compact and well‑linked.

  • 프로젝트
    onyx-dot-app/onyx-foss

    Onyx는 50개 이상의 애플리케이션에 연결하여 AI 에이전트에게 조직의 내부 데이터에 대한 안전하고 관련성 높은 액세스를 제공하는 자체 호스팅 지식 및 컨텍스트 계층입니다.

  • 프로젝트
    fuyuxiang/echo-agent

    Echo Agent는 오픈소스 자체 호스팅 AI 에이전트 런타임으로, 장기 메모리, 자동 스킬 추출/진화, 플러그형 도구 통합을 제공합니다. 터미널에서 대화형으로 실행하거나, 웹 대시보드와 API가 있는 장기 실행 Gateway 서비스로, 또는 데스크톱 애플리케이션 (EchoAgent Desktop)에 임베드할 수 있습니다. 코어 런타임은 에이전트 루프, 세션 컨텍스트, 모델 라우팅, 권한, 자동화 채널을 관리하고, 메모리 시스템은 과거 사실을 회상하며, 진화 시스템은 실행 추적을 재사용 가능한 스킬로 변환합니다. `pip install "echo-agent[all]"`로 설치하고, LLM API 키를 구성한 다음, `echo-agent run` 또는 `echo-agent gateway`로 시작합니다.

  • 프로젝트
    memodb-io/Acontext

    Acontext는 AI 에이전트의 학습 내용을 사람이 읽을 수 있는 Markdown 스킬 파일로 캡처하는 오픈 소스 메모리 레이어로, 에이전트의 메모리를 투명하고 이식 가능하며 디버깅하기 쉽게 만듭니다.