vectorize-io/hindsight

Hindsight: Agent Memory That Learns

What it solves

Hindsight 是一个代理记忆系统，旨在超越单纯的对话历史或基本 RAG。它通过将信息组织为世界事实、个人经验与心智模型，而非仅仅回溯原始文本片段，让 AI 代理能够随时间学习与演化。

How it works

Hindsight 使用仿生数据结构将记忆分类为三条路径：World（一般事实）、Experiences（代理特定事件）与 Mental Models（从反思中获得的洞见）。它提供三项主要操作：

  • Retain：使用 LLM 从输入中抽取实体、关系与时间数据，并将其规范化为搜索索引和时间序列。
  • Recall：采用四种并行检索策略——语义（向量）、关键词（BM25）、图谱（因果/时间链接）与时间（时间范围）——通过 reciprocal rank fusion 合并结果，并以 cross‑encoder 重新排序。
  • Reflect：分析现有记忆，生成新观察、洞见以及不同信息片段之间的更深层连接。

Who it’s for

此系统为对话式 AI 代理和自主代理的开发者而建，特别是打造“AI 员工”的团队，这类代理必须处理开放式任务、根据用户反馈调整行为，并自动化复杂工作流程。

Highlights

  • State-of-the-art performance：在 LongMemEval 基准测试中取得高准确度。
  • Flexible Integration：提供两行代码的 LLM 包装器、专属 API/SDK（Python/Node.js），以及无服务器部署的嵌入模式。
  • Multi-provider support：兼容 OpenAI、Anthropic、Gemini、Groq、Ollama、LM Studio 等多家供应商。
  • Hybrid Retrieval：结合向量、关键词、图谱与时间搜索，以提升精确度。