vectorize-io/hindsight

Hindsight: Agent Memory That Learns

解决的问题

Hindsight 是一个代理记忆系统,旨在超越简单的对话历史或基础 RAG。它使 AI 代理能够随着时间推移学习并整合信息,而不仅仅是回忆过去互动的片段,从而解决了复杂代理工作流程中长期记忆衰退和不准确的问题。

运作方式

Hindsight 使用仿生数据结构来组织记忆,分为世界事实、经验、观察和心智模型。它通过三个主要功能运作:

  • Retain:使用 LLM 从输入中提取关键事实、实体和时间数据,并以标准化格式存储。
  • Recall:使用四种并行策略检索记忆——语义 (向量)、关键字 (BM25)、图 (实体/因果链接) 和时间 (时间范围)——然后进行合并和重新排序。
  • Reflect:对现有记忆进行深度分析以形成新的链接并整合理解,使代理能够回答需要推理而非简单查找的复杂问题。

此外,它将相关事实整合为“观察”(有证据支持的信念),并维护“心智模型”(针对特定问题的固定答案),作为已定知识的缓存。

适用对象

为开发 AI 代理、编码助手和企业 AI 应用程序的开发者,这些应用需要为用户、项目或特定代理提供跨会话的持久且不断演进的记忆。

特色亮点

  • 顶尖性能:在 LongMemEval 基准测试中实现了高准确度。
  • 广泛整合:支持超过 60 种整合,包括 LangChain、LlamaIndex、CrewAI 以及各种编码代理,如 Cursor 和 Claude Code。
  • LLM Wrapper:通过 OpenAI 和 Anthropic SDK 的封装器,只需极少的代码变更即可为现有代理添加记忆。
  • 灵活部署:提供托管云服务、Docker 容器或嵌入式 Python 库 (无需服务器)。
  • MCP 支持:包含内置的 Model Context Protocol 端点,可将记忆操作公开为工具。

写过它的文章

相关

  • 项目
  • 项目
  • 项目
  • 项目
  • 项目