Repolode
Enviar
vectorize-io

vectorize-io/hindsight

Sistema de memoria para agentes que almacena, recupera y analiza recuerdos para que los agentes de IA aprendan con el tiempo, en lugar de limitarse a repetir el historial del chat.

Ver en GitHubSitio web
Estrellas
51,907
Forks
6,178
Issues abiertos
148
Último commit
hace 2 horas

¿Qué es?

Hindsight es un sistema de memoria para agentes diseñado para que los agentes de IA aprendan, no solo recuerden. En lugar de limitarse a recuperar el historial de conversaciones, organiza los recuerdos en hechos sobre el mundo, experiencias propias del agente, observaciones consolidadas y modelos mentales que se sintetizan con el tiempo.

La API principal tiene tres operaciones: retain almacena información nueva y un LLM extrae hechos, entidades y relaciones; recall ejecuta en paralelo búsquedas semánticas, por palabras clave con BM25, en grafos de entidades y temporales, y combina los resultados; y reflect realiza un análisis más profundo de los recuerdos existentes. Los recuerdos se aíslan en bancos, uno por usuario, agente o proyecto, y el servidor expone un endpoint MCP por banco.

Hindsight se ejecuta como contenedor de Docker, paquete de pip o chart de Helm en Kubernetes, con PostgreSQL y pgvector como base. Incluye clientes para Python, Node.js, Go y CLI, y es compatible con una amplia variedad de proveedores de LLM, incluidos proveedores totalmente locales como Ollama y LM Studio.

Funciones clave

  • 01Operaciones retain, recall y reflect para almacenar y consultar recuerdos de agentes
  • 02Recall combina búsquedas vectoriales, por palabras clave, en grafos de entidades y temporales, con reranking
  • 03Los bancos de memoria aíslan los recuerdos por usuario, agente o proyecto
  • 04Endpoint MCP integrado en cada banco para clientes compatibles con MCP
  • 05Compatible con más de 25 proveedores de LLM, incluidos modelos locales mediante Ollama y LM Studio
  • 06Clientes para Python, Node.js, Go y CLI, además de una API REST

Casos de uso

  • Personalizar un chatbot recordando las preferencias y el historial de cada usuario
  • Dar a los agentes de programación memoria a largo plazo sobre la arquitectura de un proyecto y sesiones anteriores
  • Añadir memoria a una aplicación de LLM existente mediante un wrapper para el cliente de OpenAI o Anthropic
  • Crear agentes autónomos que adapten su comportamiento según los comentarios acumulados

Inicio rápido

  1. 1

    Inicia un servidor con Docker

    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
  2. 2

    Instala el cliente de Python

    pip install hindsight-client -U
  3. 3

    Conecta el cliente y conserva, recupera o reflexiona sobre los recuerdos

Antes de usarlo

  • El autoalojamiento completo requiere una clave de API de un proveedor de LLM o configurar un modelo local.
  • Los Mac con Intel necesitan el paquete independiente hindsight-all-slim para usarlo integrado.

Temas

#agent-memory#llm#rag#mcp#vector-search#postgresql#python#agentic-ai#agents#ai-memory

Preguntas frecuentes

¿Qué es hindsight?
Sistema de memoria para agentes que almacena, recupera y analiza recuerdos para que los agentes de IA aprendan con el tiempo, en lugar de limitarse a repetir el historial del chat. Hindsight es un sistema de memoria para agentes diseñado para que los agentes de IA aprendan, no solo recuerden. En lugar de limitarse a recuperar el historial de conversaciones, organiza los recuerdos en hechos sobre el mundo, experiencias propias del agente, observaciones consolidadas y modelos mentales que se sintetizan con el tiempo.
¿hindsight es gratuito? ¿Qué licencia tiene?
hindsight es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿hindsight sigue mantenido?
Mantenimiento activo. El último commit de hindsight fue el 20 oct 2026.
¿Para qué puedo usar hindsight?
Personalizar un chatbot recordando las preferencias y el historial de cada usuario Dar a los agentes de programación memoria a largo plazo sobre la arquitectura de un proyecto y sesiones anteriores Añadir memoria a una aplicación de LLM existente mediante un wrapper para el cliente de OpenAI o Anthropic Crear agentes autónomos que adapten su comportamiento según los comentarios acumulados
¿Cómo se instala hindsight?
Inicia un servidor con Docker: 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 Instala el cliente de Python: pip install hindsight-client -U Conecta el cliente y conserva, recupera o reflexiona sobre los recuerdos
¿Dónde consigo hindsight?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/vectorize-io/hindsight

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados