Hindsight让 AI 代理从经验中持续学习的 Agent 记忆系统【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsightHindsight 是一个开源的 Agent 记忆系统Agent Memory它要解决的不是把聊天记录存下来而是把代理在多轮交互中积累的经验变成可检索、可沉淀、可复用的知识。系统围绕 Retain写入、Recall检索、Reflect反思三个操作运转支持 Docker、pip 直装、Python 内嵌和 MCP 四种接入方式。如果你正在做需要长期运行、按用户个性化、能从反馈中调整行为的代理它可以在一个下午内完成接入并验证效果。为什么更大的上下文不等于有了记忆长上下文窗口本质上是会话级缓冲会话结束即清零且往往在填满之前检索质量就开始退化。这意味着代理每次都要重新解释背景、重复犯同样的错团队知识也无法在多个代理之间流转。Hindsight 处理的正是会话之外的那部分问题把交互持久化为结构化记忆并在需要时主动取回。它与 RAG、知识图谱的定位也不同——RAG 检索的是文档Hindsight 管理的是记忆其中包含时间序列、实体关系和因果链接。关于两者的具体差异仓库文档里有专门对比rag-vs-hindsight.md。核心三操作Retain 写入、Recall 检索、Reflect 反思Hindsight 把一次完整的记忆生命周期拆成三个明确的操作你可以按任务类型选用。Retain把原始交互变成结构化记忆Retain 接收文本后由 LLM 提取关键事实、时间信息、实体和关系再经过规范化流程转成可检索的表示实体、时间序列、稠密/稀疏向量索引。写入时可以附带自定义元数据和时间戳这为按用户隔离记忆提供了天然过滤维度。Recall四条检索路径并行Recall 不是单一关键词匹配而是同时执行四种策略语义相似度向量检索、关键词精确匹配BM25、图关系实体/时间/因果链接、时间范围过滤。四路结果用倒数排名融合RRF合并再经交叉编码器重排最后按 token 预算裁剪适合直接放进提示词。Reflect让记忆产出结论而非罗列Reflect 对已有记忆做深度分析用于需要想清楚而不是查得到的问题项目风险复盘、分析为什么某些外联消息有回复而另一些没有、找出用户文档没覆盖的疑问。每个 bank 还可以配置性情特质如怀疑度、共情度让 Reflect 的输出风格随角色调整。从事实堆积到观察与心智模型零散事实不会永远以扁平列表存在。后台的整合Consolidation机制会持续把相关事实归并成Observations观察去重后的信念每条都保留支撑证据的原文引用和计数新证据到来时是对已有信念做修正强化而不是静默覆盖。再往上两层是Mental Models心智模型与Knowledge Pages知识页心智模型是对一个固定问题如这个用户的偏好是什么的常备答案你定义一次问题系统自动撰写并在后台随新经验持续改写读取它只是一次数据库读取不触发 LLM 调用代理可以带着现成结论启动而不是每个会话重新发现一遍。知识页是心智模型的文档化形态bank 自己维护的活文档按文件夹组织、可检索还能导出为普通 Markdown 落盘。所有记忆存放在Bank记忆库中一个 bank 是一个用户、代理或项目的独立大脑隔离是严格的不存在跨 bank 泄漏。最小启动步骤一条命令跑起 Hindsight 记忆系统官方推荐 Docker 方式一条命令同时获得 API8888 端口和管理界面9999 端口docker run -it --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启动前只需准备一个 LLM 密钥Hindsight 支持 25 家以上模型提供方也兼容 Ollama、LM Studio 等纯本地方案。如果不想独立部署服务pip install hindsight-all可以获得 Python 内嵌版本在进程内启动服务器和客户端连数据库都内置了。接入现有 Agent 流程的三条路径按改造成本从低到高你通常有三条路线可选。LLM Wrapper安装hindsight-litellm后用包装器替换现有 LLM 客户端即可。每次调用前自动 Recall 相关记忆调用后自动 Retain 对话内容其余业务代码不动。MCP 端点每个 bank 自带一个/mcp/{bank_id}端点任何 MCP 客户端指向它就能把 retain、recall、reflect 作为工具使用适合不想写代码的接入。编码代理一键包一条npx命令即可为 Claude Code、Codex、Cursor 等 CLI 代理建立按仓库隔离的长期记忆从 git 历史和过往会话自动构建无需额外配置。仓库中的 hindsight-integrations/ 目录收录了 60 多个现成集成覆盖 LangGraph、CrewAI、AutoGen、OpenAI Agents SDK、n8n、Dify 等框架与低代码平台。效果验证先看基准分数再做 5 分钟自测官方在 LongMemEval500 条长期记忆评测题上报告 94.6% 的准确率作为对照的纯 RAGQdrant基线为 74.0%该结果已由 Virginia Tech 研究团队独立复现。不过对外部数字保持怀疑是合理的建议用下面的最小验证步骤在自己的数据上确认用 Retain 写入几条带时间维度的事实如某次晋升、某个偏好并附上时间戳用 Recall 分别提问语义问题Alice 是做什么的和时间问题六月发生了什么用 Reflect 要求一个综合判断对比它与纯检索结果的深度差异。from hindsight_client import Hindsight client Hindsight(base_urlhttp://localhost:8888) client.retain(bank_idmy-bank, contentAlice works at Google as a software engineer) print(client.recall(bank_idmy-bank, queryWhat does Alice do?))如果第二步的时间类问题能被正确回答、第三步产出了超出原文的归纳说明整合链路在你的数据上生效了。谁适合用谁不适合适合需要按用户隔离记忆并个性化的聊天/客服代理需要项目级长期记忆的编码代理依赖用户反馈持续调整行为的自主任务代理。不适合一次性批处理任务、简单的低代码流程串联——这类场景收益低于部署与推理成本官方也直言对简单工作流可能 overkill。注意事项运行需要 LLM API 密钥或本地模型默认存储为 PostgreSQL 加 pgvectorDocker 镜像内置也可外接涉及用户数据时建议开启 Memory Defense 策略它会在写入前按 45 种模式拦截密钥和 PII。常见误区以为上下文窗口越大越好窗口每次会话重置它替代不了跨会话记忆。把记忆系统等同于向量库向量相似度只是 Hindsight 四条检索路径之一。写入几次就期望效果Observations 整合与心智模型的价值要在事实积累到一定量后才显现。用一个 bank 服务所有用户bank 按设计相互隔离按用户或项目拆分应在第一天就规划好。行动建议与相关资源如果你的代理正在重复犯同样的错、每次会话从零开始解释背景可以先按上面的最小验证步骤跑一遍再决定是否投入生产。生产环境还需要考虑多租户配置全局 → 租户 → bank 三级覆盖、Prometheus 监控和 Webhook 事件这些在仓库文档中都有对应章节。Hindsight README项目总览与完整能力清单快速上手文档安装与首个 retain/recall 调用RAG vs Hindsight 对比选型时读这一篇即可集成目录60 框架与工具的接入方式Docker Compose 示例外接 PostgreSQL、TEI、Timescale 等部署变体【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考