27.7K+ Star！ Hindsight：让AI智能体真正学会「学习」的长期记忆系统- 大数跨境

首页

27.7K+ Star！ Hindsight：让AI智能体真正学会「学习」的长期记忆系统

AIGC创想者

2026-09-25

导读：hindsight简介AI/MLHindsight 是一个专为 AI 智能体设计的记忆系统

hindsight简介

AI/ML

Hindsight 是一个专为 AI 智能体设计的记忆系统，核心目标是让智能体不仅能记住对话历史，还能从交互中持续学习和积累经验。它通过模拟人类记忆的认知结构来组织信息，解决了传统 RAG 和知识图谱在长期记忆任务中准确率低、无法随时间演进的痛点。

它围绕三个核心操作构建：retain（存储并结构化新信息）、recall（多策略并行检索记忆）和 reflect（深度分析已有记忆以形成新认知）。它适用于需要处理开放式任务、根据用户反馈改变行为、以及逐步掌握复杂工作流程的 AI 员工或自主智能体场景。

亮点特性

01仿生记忆架构

将记忆划分为世界事实、个人经验、观察结论和心智模型四个层级，而非简单的扁平向量堆砌

02四路并行检索

Recall 操作同时执行语义相似度、BM25 关键词、实体/因果图谱和时间范围过滤，并通过交叉编码器重排序

03Reflect 深度推理

超越简单的信息查找，允许智能体对已有记忆进行综合分析，发现潜在联系并生成深层洞察

04心智模型与知识页

针对特定问题预先生成并持续更新的结构化文档，读取时仅需数据库查询而无需调用 LLM

05极简接入体验

提供 LLM Wrapper 模式，两行代码即可为现有 OpenAI/Anthropic 客户端赋予长期记忆能力

使用场景

场景 1为客服或销售 AI 智能体提供跨会话的用户个性化记忆，使其能记住用户偏好和历史互动细节

场景 2为编程助手（如 Claude Code、Cursor）注入项目级长期记忆，自动从 Git 历史和过往会话中学习代码库架构与规范

场景 3让自主执行任务的 AI 员工通过反思（Reflect）机制，从历史经验中总结规律并优化后续决策

使用环境

编程语言	Python (uv 或 pip)
运行方式	能访问终端的代理(Codex)

快速上手

安装与启动服务端

推荐使用 Docker 快速启动，需配置 LLM API Key（支持 25+ 提供商）：

●●●

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

启动后，API 运行在 http://localhost:8888，管理 UI 运行在 http://localhost:9999。

安装客户端

●●●

# Python
pip install hindsight-client -U

# Node.js / TypeScript
npm install @vectorize-io/hindsight-client

核心用法示例（Python）

Hindsight 的核心交互分为三个步骤：存储、检索和反思。

●●●

from hindsight_client import Hindsight

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

# 1. Retain：存储信息，系统会自动提取实体、关系和时间线
client.retain(bank_id="my-bank", content="Alice works at Google as a software engineer")

# 2. Recall：检索记忆，底层会并行执行语义、关键词、图和时间四种检索策略
results = client.recall(bank_id="my-bank", query="What does Alice do?")
print(results)

# 3. Reflect：深度反思，基于已有记忆生成具有洞察力的回答
insight = client.reflect(bank_id="my-bank", query="Tell me about Alice's career progression")
print(insight)

零侵入集成现有 Agent

只需两行代码即可包装现有的 OpenAI 客户端，实现记忆的自动存取：

●●●

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-4o", messages=[{"role": "user", "content": "What do you know about me?"}])