Hindsight

项目概述

Hindsight 是一个面向智能体（Agent）的记忆系统，目标是让 Agent 能够随着时间推移持续学习，而不仅仅是对话历史的回放。它针对 RAG 与知识图谱方案的不足进行了优化，在长期记忆任务上达到了业界领先水平。该系统已被多家财富 500 强企业与 AI 初创公司用于生产环境，其基准测试结果由弗吉尼亚理工大学 Sanghani 中心独立复现。

快速开始

启动服务端

推荐使用 Docker 方式启动：

export OPENAI_API_KEY=sk-xxx

docker run -it --pull always --name hindsight --restart unless-stopped \
  -p 8888:8888 -p 9999:9999 \
  -e HINDSIGHT_API_LLM_API_KEY=$OPENAI_API_KEY \
  -v hindsight-data:/home/hindsight/.pg0 \
  ghcr.io/vectorize-io/hindsight:latest
# API: http://localhost:8888
# UI:  http://localhost:9999

可通过环境变量 HINDSIGHT_API_LLM_PROVIDER 切换 25 种以上的大模型供应商，包括 OpenAI、Anthropic、Gemini、Bedrock、Vertex AI、DeepSeek、Ollama、LMStudio 等，也支持 ChatGPT Plus/Pro、Claude Pro/Max、Cursor、GitHub Copilot 等订阅渠道。其他部署方式包括 Docker Compose（外置 PostgreSQL）、pip install hindsight-api（裸机）、Helm Chart（Kubernetes），或直接使用免运维的 Hindsight Cloud。

连接客户端

pip install hindsight-client -U
npm install @vectorize-io/hindsight-client
go get github.com/vectorize-io/hindsight/hindsight-clients/go
curl -fsSL https://hindsight.vectorize.io/get-cli | bash

Python 用法示例：

from hindsight_client import Hindsight

client = Hindsight(base_url="http://localhost:8888")

# retain：写入记忆
client.retain(bank_id="my-bank", content="Alice works at Google as a software engineer")

# recall：检索记忆
client.recall(bank_id="my-bank", query="What does Alice do?")

# reflect：结合记忆生成有立场的回答
client.reflect(bank_id="my-bank", query="Tell me about Alice")

系统还提供无需启动独立服务的嵌入式模式：pip install hindsight-all，通过 HindsightServer 上下文管理器在进程内启动，并自动连接 HindsightClient。

接入现有 Agent

LLM 包装器（两行代码）

只需将现有 LLM 客户端替换为包装版本，记忆的存储与检索会在每次调用时自动完成：

from openai import OpenAI
from hindsight_litellm import wrap_openai

client = wrap_openai(
    OpenAI(),
    bank_id="user-123",
    hindsight_api_url="http://localhost:8888",
)

response = client.chat.completions.create(
    model="gpt-5-mini",
    messages=[{"role": "user", "content": "What do you know about me?"}],
)

wrap_anthropic() 用于 Anthropic SDK。底层基于 LiteLLM，覆盖 100 多种模型。

集成与 MCP

系统提供 60 多种集成方案，涵盖 Claude Code、Codex、Cursor、Copilot 等编程 Agent，以及 LangGraph、LlamaIndex、CrewAI、Pydantic AI、OpenAI Agents SDK 等 Agent 框架，还支持 n8n、Zapier、Dify 等无代码工具。每个服务端都内置 MCP 端点：http://localhost:8888/mcp/{bank_id}/，可直接将 retain、recall、reflect 暴露为工具。

核心概念

记忆类型

Hindsight 采用仿生数据结构组织记忆：

• World facts：关于世界的事实（"炉子会烫手"）
• Experiences：Agent 自身的经历（"我摸了炉子，很疼"）
• Observations：由多条记忆汇聚形成的、有证据支撑的稳定观点
• Mental models：从观察与事实中提炼出的对世界的理解

所有记忆都存放在 Bank（记忆库）中，每个 Bank 之间严格隔离，并带有 disposition traits（怀疑倾向、字面理解、共情度）等背景配置，影响 reflect 阶段的推理风格。系统还支持多语言端到端保留（中文姓名不会被翻译为拼音），并提供 Memory Defense 功能，可对 45 种敏感模式（密钥、PII）进行打码或拦截。

三个核心操作

• retain：写入记忆。内部会调用 LLM 抽取事实、时间信息、实体与关系，并归一化为标准实体、时序与索引。
• recall：检索记忆。并行执行四种检索策略——语义向量、BM25 关键词、实体/时序/因果图谱、时间范围过滤——然后使用倒数排名融合与 Cross-encoder 重排序得到最终结果。
• reflect：对已有记忆做深度分析，回答需要推理而不仅是检索的问题，例如项目风险评估、销售邮件复盘、文档盲点发现。

观察、心智模型与知识页

被 retain 的事实会在后台被合并为 observation——带有原始证据引用和 proof count 的去重观点，新证据会增强、削弱或扩展现有观点而非直接覆盖。Mental model 是针对某个固定问题的常驻答案，可在启动时直接读取，无需检索或 LLM 调用。Knowledge page 是 wiki 形式组织的活文档，可投射为磁盘上的 Markdown 文件。

运行场景与生产部署

Hindsight 适用于需要长期学习、用户个性化、跨会话记忆的对话与自主 Agent，典型用例包括个性化聊天机器人、AI 项目经理、销售 Agent、客服 Agent 等。

生产环境支持 PostgreSQL + pgvector 或 Oracle AI Database 23ai 作为存储后端，配置体系分全局环境变量、租户级、Bank 级三层，支持 Prometheus 监控指标、Admin CLI、Webhook 事件以及租户、认证、存储扩展点，也可直接使用托管版 Hindsight Cloud。