ghcr.io/vectorize-io/hindsight-control-plane:0.9.2

什么是 Hindsight？

Hindsight™ 是一个代理记忆系统，旨在创建能够随时间学习的更智能代理。大多数代理记忆系统专注于回忆对话历史，而 Hindsight 则专注于让代理学习，而非仅仅记忆。

它消除了诸如 RAG 和知识图谱等替代技术的缺点，并在长期记忆任务上提供了最先进的性能。

目录

• 内存性能与准确性
• 快速开始 — 服务器 · 客户端 · 支持的平台 · 嵌入式
• 将 Hindsight 添加到你的代理中 — LLM 包装器 · 集成 · 编码代理 · MCP
• 核心概念 — 内存类型 · 保留/回忆/反思 · 观察 · 心智模型与知识页面 · 存储库
• 使用场景
• 生产环境运行
• 资源

内存性能与准确性

根据基准测试结果，Hindsight 是迄今为止测试过的最准确的代理记忆系统。它在 LongMemEval 基准测试中取得了最先进的性能，该基准被广泛用于评估各种对话式 AI 场景下的记忆系统性能。截至 2026 年 1 月，Hindsight 和其他代理记忆解决方案的当前报告性能如下：

实时、持续更新的结果（包括每个模型的准确性、延迟和成本）发布于 benchmarks.hindsight.vectorize.io。

Hindsight 的基准性能数据已由弗吉尼亚理工大学 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。其他分数由软件供应商自行报告。

Hindsight 已在财富 500 强企业的生产环境中使用，并被越来越多的 AI 初创公司采用。

🤖 正在使用编码代理？ 安装 Hindsight 文档技能，以便在编码时即时访问文档：

> npx skills add https://github.com/vectorize-io/hindsight --skill hindsight-docs
>

适用于 Claude Code、Cursor 和其他 AI 编码助手。

快速开始

1. 启动服务器

Docker（推荐）

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

Hindsight 通过 HINDSIGHT_API_LLM_PROVIDER 支持 25+ 种 LLM 提供商——托管型（openai、anthropic、gemini、groq、bedrock、vertexai、minimax、deepseek、atlas、meta 等）、完全本地型（ollama、lmstudio、llamacpp）、任何 OpenAI 兼容端点，以及可连接其他提供商的网关（litellm、litellmrouter）。现有订阅也适用：openai-codex（*** Plus/Pro）、claude-code（Claude Pro/Max）和 github-copilot（GitHub Copilot）无需 API 密钥。参见 支持的模型。

Docker（外部 PostgreSQL）

export OPENAI_API_KEY=sk-xxx
export HINDSIGHT_DB_PASSWORD=choose-a-password
cd docker/docker-compose
docker compose up

Oracle AI Database 也支持企业部署，功能完全对等。详情参见 存储文档。

裸机（pip）

pip install hindsight-api
export HINDSIGHT_API_LLM_API_KEY=sk-xxx

hindsight-api

Kubernetes（Helm）

helm install hindsight oci://ghcr.io/vectorize-io/charts/hindsight \
--set api.llm.provider=openai \
--set api.llm.apiKey=sk-xxx \
--set postgresql.enabled=true

托管版（无需服务器）

Hindsight Cloud 是托管选项：提供自动扩展的托管基础设施，以及仪表板、备份、团队协作和 99.9% 的正常运行时间 SLA。基于使用量计费，初始提供免费额度——无固定月费或每席位费用。使用 API 密钥将任何客户端指向 https://api.hindsight.vectorize.io，完全无需部署。

比较自托管、Cloud 和 Enterprise → · 注册 →

所有选项（包括 Windows 和空气隔离设置）均在 安装指南 中涵盖。

将 Hindsight 添加到智能体中

LLM 包装器（仅需 2 行代码）

为现有智能体添加记忆的最简单方法是使用 LLM 包装器。将您的 LLM 客户端替换为经过包装的客户端——之后每次调用都会自动存储和检索记忆，无需对代码进行其他更改。

pip install hindsight-litellm

from openai import OpenAI
from hindsight_litellm import wrap_openai

# 包装您现有的 LLM 客户端即可完成设置。
# 默认使用 Hindsight Cloud；若使用自托管服务器，可传入 hindsight_api_url。
client = wrap_openai(
OpenAI(),
bank_id="user-123",
hindsight_api_url="http://localhost:8888",
)

# Hindsight 会在调用前召回相关记忆，
# 并在调用后保留对话内容。
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "你了解我的哪些信息？"}],
)

wrap_anthropic() 函数对 Anthropic SDK 具有相同作用，并且所有设置（存储库、召回预算、事实类型、反思而非召回等）都可通过 hindsight_* 参数在每次调用时覆盖。LiteLLM 作为底层支持，因此相同的集成可覆盖 100 多种模型。详见 LiteLLM 集成。

如果您需要明确控制记忆的存储和召回时机，请直接使用SDK 或 REST API。

集成

60 多种集成——大多数无需代码更改。

👉 浏览所有集成

编码智能体

一个软件包即可为 CLI 编码智能体提供长期项目记忆：基于 git 历史和过往会话自动构建的每个仓库专属存储库，在智能体开始工作时注入其中，同时包含涵盖架构、约定和进行中工作的精选知识页面。

npx @vectorize-io/hindsight-coding-agents install all # 自动检测并原生集成所有智能体
npx @vectorize-io/hindsight-coding-agents install claude-code # 或仅安装一个

支持 Claude Code、Codex CLI、Cursor CLI、GitHub Copilot CLI、opencode、Kilo CLI、Cline CLI、Antigravity CLI、Devin CLI、pi、Prime Agent、Grok Build 和 DeepSeek Harness。数据摄入自动完成——无需设置命令。详见 编码智能体集成。

MCP 服务器

每台服务器都内置 https://modelcontextprotocol.io/ 端点，每个存储库一个，默认启用：

将任何 MCP 客户端指向该端点，即可将 retain、recall 和 reflect 作为工具公开。详见 MCP 服务器文档。

Memory Banks

bank（记忆库） 是一个隔离的记忆存储——为一个用户、智能体或项目提供一个“大脑”。隔离是严格的：不存在跨bank泄漏。bank包含背景上下文和disposition traits（性格特质）（怀疑主义、字面主义、同理心），这些特质会影响其对记忆进行反思推理的方式，并且可通过声明式bank模板创建。

另外两个值得了解的事项：

• 默认多语言支持。 输入语言会被检测并全程保留——事实保持其原始语言，实体保留其原生文字（张伟仍为张伟，而非“Zhang Wei”）。文档 →
• Memory Defense（记忆防护）。一种可选的、按bank配置的策略，会扫描每个retain操作中的机密和个人身份信息（PII），对照45种模式，对匹配项进行脱敏（[REDACTED:github_token]）或在其到达存储前阻止该项目。文档 →

---

使用场景

Hindsight旨在支持对话式AI智能体以及旨在自主执行任务的智能体。Hindsight的理想使用场景是需要融合这些功能的智能体，例如AI员工，他们需要处理开放式任务、根据用户反馈改变行为，并学习执行复杂任务，以接近人类的水平实现工作自动化。Hindsight可用于简单的AI工作流，如使用n8n和其他类似工具构建的工作流，但对此类应用可能过于复杂。

每用户记忆与聊天历史

Hindsight的一个较简单使用场景是通过存储和召回与单个用户相关的记忆，实现AI聊天机器人和其他对话智能体的个性化。

此使用场景的要求通常如下：

在Hindsight中满足这些要求非常简单。当使用retain操作将新的用户输入和工具调用摄入Hindsight时，可使用自定义元数据丰富新记忆。元数据提供了一种便捷的方式来隔离需要限制给特定用户的记忆。一旦将这些输入retain操作，在检索相关记忆时，可对创建的任何原始记忆和mental model进行过滤。

更多模式参见Cookbook（实践指南）和最佳实践。

---

生产环境运行

---

资源

文档：

客户端：

社区：

• Slack
• https://github.com/vectorize-io/hindsight/issues

---

Star 历史

---

贡献

参见CONTRIBUTING.md。

许可证

MIT——参见LICENSE

---

由Vectorize.io构建