Hindsight 是 Vectorize 提供的开源（MIT 许可）AI 智能体长期记忆系统，旨在解决 AI 智能体在会话之间遗忘一切的问题。它让智能体通过 retain API 存储所见所行，再通过 recall 检索，或用 reflect 让系统对记忆进行推理，从而跨会话、用户和项目保持记忆。
用途
Hindsight 为 AI 智能体提供持久化、可学习的长期记忆。传统智能体每次对话都从零开始，没有关于用户身份、讨论内容或已学知识的上下文。Hindsight 通过专门为智能体设计的记忆系统解决这一问题，支持跨会话、用户和项目的记忆保持。
主要能力
- 记忆类型：Hindsight 不存储对话，而是将所说内容提取为类型化事实并在此基础上构建，包括世界事实（客观陈述）、经验事实（记忆库自身的行为）、观察（从多个事实整合而成的信念，带证据和历史）、心智模型（用户为常见问题编写的精选摘要）和知识页面（记忆库关于自身编写的活文档）。事实之间通过实体链接相互关联，使得从未一起存储的两个事实也能回答“Alice 在哪里工作？”这类问题。
- 多策略检索：recall() 并行运行四种搜索——语义搜索（按含义而非措辞）、关键词搜索（BM25，支持五种可插拔 Postgres 后端，包括 Citus 集群）、图搜索（实体链接，两跳可达的事实即使与查询无共同词也能返回）和时间搜索（将时间表达解析为窗口，按相关性填充并跨范围分布）。结果按排名而非分数融合，经交叉编码器重排，并按 token 预算而非 top-k 截断。
- 观察整合：后台工作器持续将原始事实转化为持久信念，包括去重、证据支撑（每条观察指向支持它的记忆，含精确引用和证明计数）、精炼而非覆盖（新证据更新观察并保留历史）、新鲜度感知（未整合的记忆会被视为陈旧并对照原始事实检查）。
- 知识页面：记忆库关于自身编写的活文档，以文件夹树形式组织，可浏览和搜索，每个页面回答一个问题。页面由观察综合而成而非原始对话，且从不自我引用以避免反馈循环。可通过 hindsight fs mount 将树投影为磁盘上的普通 markdown 文件。
- reflect() 推理：返回答案而非记忆，通过智能体循环运行。它自行收集证据（最多十轮，检索到内容前不能回答），按优先级检查来源（先心智模型和知识页面，再观察，最后原始事实），并引用实际检索到的 ID。
- 记忆库配置：使命（用平实语言描述记忆库身份和优先级）、指令（不可违反的硬规则）和倾向（怀疑、字面、共情在 1-5 尺度上）塑造 reflect 的行为，但不影响 recall 返回的记忆。
使用方式
Hindsight 提供三种部署方式：Hindsight Cloud 全托管、嵌入式零配置本地运行、自有集群（提供连接字符串）。注册 GitHub 可获 5 美元免费额度。快速开始可在 60 秒内安装并运行。集成方面，编码智能体一次安装可连接 20 多个工具（Claude Code、Codex CLI、Cursor CLI、opencode、Copilot CLI 等）到按仓库的记忆库；个人智能体如 Hermes 和 OpenClaw 可将 Hindsight 安装为记忆提供者，Hermes 桌面应用可在设置中配置，无需终端。其他框架、MCP 服务器和工具见集成中心。
适用场景
- 编码智能体：为每个仓库提供记忆库，记住用户偏好和项目约定。
- 个人智能体：每轮回答前检索重要记忆，回答后保留所说内容。
- 需要跨会话保持上下文的各类 AI 智能体应用。
限制
资料中未提供关于收费价格、具体性能指标、平台兼容性细节或使用限制的完整信息。检索准确率等具体数据暂未提供。
