Repolode
vectorize-io

vectorize-io/hindsight

Система памяти для агентов: сохраняет, извлекает и анализирует воспоминания, помогая ИИ-агентам учиться со временем, а не просто воспроизводить историю чата.

Звёзды
51,907
Форки
6,178
Открытые issues
148
Последний коммит
вчера

Что это?

Hindsight — система памяти для агентов, которая помогает создавать ИИ-агентов, способных учиться, а не только запоминать. Вместо простого извлечения истории диалогов она распределяет воспоминания по категориям: факты о мире, собственный опыт агента, обобщённые наблюдения и ментальные модели, которые формируются со временем.

В основе API — три операции: retain сохраняет новую информацию, а LLM извлекает из неё факты, сущности и связи; recall параллельно выполняет семантический поиск, поиск по ключевым словам BM25, графу сущностей и временным данным, а затем объединяет результаты; reflect проводит более глубокий анализ уже сохранённых воспоминаний. Воспоминания изолированы по банкам — отдельным для каждого пользователя, агента или проекта; для каждого банка сервер предоставляет MCP endpoint.

Hindsight можно запускать как Docker-контейнер, pip-пакет или Helm chart в Kubernetes; в качестве хранилища используется PostgreSQL с pgvector. Доступны клиенты для Python, Node.js, Go и CLI, а также поддерживается широкий выбор провайдеров LLM, включая полностью локальные решения, такие как Ollama и LM Studio.

Ключевые возможности

  • 01Операции retain, recall и reflect для сохранения воспоминаний агента и работы с ними
  • 02В recall объединяются векторный поиск, поиск по ключевым словам, графу сущностей и временным данным с последующим ранжированием
  • 03Банки памяти изолируют данные для каждого пользователя, агента или проекта
  • 04Встроенный MCP endpoint для каждого банка, доступный MCP-совместимым клиентам
  • 05Поддержка более 25 провайдеров LLM, включая локальные модели через Ollama и LM Studio
  • 06Клиенты для Python, Node.js, Go и CLI, а также REST API

Сценарии использования

  • Персонализация чат-бота: запоминание предпочтений и истории каждого пользователя
  • Долговременная память для архитектуры проекта и предыдущих сессий у агентов-программистов
  • Добавление памяти в существующее приложение на базе LLM с помощью обёртки над клиентом OpenAI или Anthropic
  • Создание автономных агентов, которые адаптируют поведение на основе накопленной обратной связи

Быстрый старт

  1. 1

    Запустите сервер с помощью 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

    Установите клиент Python

    pip install hindsight-client -U
  3. 3

    Подключите клиент, чтобы сохранять воспоминания, извлекать их и размышлять о них

Что важно знать

  • Для полного самостоятельного хостинга нужен API-ключ провайдера LLM или настроенная локальная модель.
  • Для встроенного использования на Mac с Intel требуется отдельный пакет hindsight-all-slim.

Темы

Частые вопросы

Что такое hindsight?
Система памяти для агентов: сохраняет, извлекает и анализирует воспоминания, помогая ИИ-агентам учиться со временем, а не просто воспроизводить историю чата. Hindsight — система памяти для агентов, которая помогает создавать ИИ-агентов, способных учиться, а не только запоминать. Вместо простого извлечения истории диалогов она распределяет воспоминания по категориям: факты о мире, собственный опыт агента, обобщённые наблюдения и ментальные модели, которые формируются со временем.
hindsight можно использовать бесплатно? Какая у него лицензия?
hindsight распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
hindsight всё ещё поддерживается?
Активно поддерживается. Последний коммит в hindsight — 20 окт. 2026 г..
Для чего можно использовать hindsight?
Персонализация чат-бота: запоминание предпочтений и истории каждого пользователя Долговременная память для архитектуры проекта и предыдущих сессий у агентов-программистов Добавление памяти в существующее приложение на базе LLM с помощью обёртки над клиентом OpenAI или Anthropic Создание автономных агентов, которые адаптируют поведение на основе накопленной обратной связи
Как установить hindsight?
Запустите сервер с помощью 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 Установите клиент Python: pip install hindsight-client -U Подключите клиент, чтобы сохранять воспоминания, извлекать их и размышлять о них
Где скачать hindsight?
Исходный код и инструкции по установке — на GitHub: https://github.com/vectorize-io/hindsight

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты