Hindsight
Hindsight 是什么
Hindsight™（vectorize-io/hindsight）是一套为'会学习的智能体'而生的记忆系统。它的出发点是：大多数 Agent 记忆系统只做一件事——回忆对话历史，而 Hindsight 追求的是让 Agent 学习，而不只是记住。项目宣称消除了传统 RAG 和知识图谱方案的固有缺陷，在长期记忆任务上达到当前最强水平：截至 2026 年 1 月，它在业界广泛使用的 LongMemEval 长期记忆基准上取得 state-of-the-art 成绩，该结果由弗吉尼亚理工 Sanghani 人工智能与数据分析中心和《华盛顿邮报》的研究合作者独立复现过。目前已被财富 500 强企业和一批 AI 初创公司用于生产环境，GitHub 已获 4.6 万+ star。
从使用角度看，Hindsight 的接入成本极低：用 LLM Wrapper 包一下你现有的模型调用，两行代码完成——调用前自动召回相关记忆，对话后自动存入。三核心操作是 Retain（存信息）、Recall（检索记忆）、Reflect（生成情境感知的回应），底层的记忆类型包括观察、心智模型、知识页和记忆库（memory banks）。部署上给了全家桶：Docker 一条命令起服务（API :8888 / UI :9999）、pip 裸装（pip install hindsight-api）、Kubernetes Helm、无需服务器的 Hindsight Cloud 托管版，甚至有 Python 内嵌免服务器模式。模型侧支持 25+ 供应商（OpenAI、Anthropic、Gemini、Groq、Bedrock、DeepSeek、Ollama 本地等），已有的 ChatGPT Plus、Claude Pro/Max、Cursor、GitHub Copilot 订阅可以直接当认证用、不再掏 API key。配套文档站、集成库、Cookbook、基准站与 arXiv 论文齐全，MIT 开源。
主要功能
如何使用 Hindsight
使用示例
核心优势
与同类工具对比
RAG 检索静态文档、缺乏学习闭环；Hindsight 沉淀对话中的观察与心智模型并持续更新，长程记忆基准显著更准。
Hindsight 官方主张在 LongMemEval 长期记忆任务上达到当前最强并被第三方复现，而'学习而不只回忆'（Reflect 心智模型）是它区别于单纯记忆存取的卖点。
LangGraph 记忆绑在其编排体系内，Hindsight 是独立记忆服务，可 Wrapper 方式套进任意现有调用，不绑定框架。
使用方式与技巧
使用方式
- Docker 一键起服务
- pip 裸装
- Kubernetes Helm
- Hindsight Cloud 托管
- Python 内嵌（免服务器）
功能模式
- Retain 存储
- Recall 检索
- Reflect 情境感知回应
- LLM Wrapper 自动召回+记忆
使用技巧
- 先用 Cloud 免部署跑通，再视规模切自建
- 已有编码工具订阅可直接认证省 API key
- 记忆库（banks）按项目/团队隔离，多项目互不串味
进阶玩法
客户端下载渠道
常见问题
开源版 MIT 协议免费（自建随便用）；托管 Hindsight Cloud 按 vectorize.io 价格收费。
不必。25+ 供应商里含本地 Ollama；已有 ChatGPT/Claude/Cursor/Copilot 订阅可直接当凭证用。
官方主打两行：用 LLM Wrapper 包住现有 LLM client 即可。
能，用 Hindsight Cloud 托管版，或 Python 内嵌模式。
LongMemEval 成绩由弗吉尼亚理工 Sanghani 中心与《华盛顿邮报》研究者独立复现，其余厂商分数为自报。
项目信息
Hindsight 是让 Agent 越用越聪明的学习型记忆系统：LongMemEval 基准当前最强、两行代码接入，不再只是翻聊天记录而是真正沉淀经验
Agent 学习型记忆系统：不只是记住对话，而是让 Agent 真正学习，LongMemEval 基准当前最强，两行代码接入。