# Hindsight

Hindsight 是一個開源的智能體記憶系統，能讓 AI 智能體隨著時間真正學習，透過保留事實、採用混合策略進行回憶，以及反思以形成心智模型。

Canonical URL: https://a2a-mcp.org/entry/hindsight-zh-TW

Language: zh-TW

Category: Frameworks & SDKs

Updated: 2026-04-08

## 什麼是 Hindsight？

Hindsight 是一個開源（MIT 授權）的**智慧體記憶系統**，旨在透過實現跨會話的真正學習，讓 AI 智慧體變得更聰明。與傳統的 RAG 或簡單對話歷史不同，Hindsight 將記憶視為推理的一等基底。

它解決了無狀態智慧體在互動間遺忘一切的問題，提供了結構化的仿生記憶，包含三個核心操作：**保留 (Retain)**、**回想 (Recall)** 與**反思 (Reflect)**。

## 核心功能

.

- **仿生記憶網絡**：將知識組織成世界事實 (World Facts)、經驗 (Experiences) 與心智模型 (Mental Models)（包含自動觀測合併）。
- **保留 (Retain)**：運用 LLM 將實體、關係、事實與時間資料提取至標準化記憶庫。
- **回想 (Recall, TEMPR)**：混合多策略檢索，結合語意（向量）、關鍵字（BM25）、圖譜（實體/時間/因果）與時間篩選，並透過倒數排名融合與重新排序進行融合。
- **反思 (Reflect)**：利用記憶進行智慧體合成，以產生洞見、更新信念與支援複雜推理。可透過使命 (Mission)、指令 (Directives) 與傾向 (Disposition) 進行設定。
- **記憶庫 (Memory Banks)**：支援依使用者或情境隔離的儲存，並提供元資料支援。
-
- **多 LLM 支援**：透過 LiteLLM 可與 OpenAI、Anthropic、Gemini、Groq、Ollama 等模型協作。

## 效能表現

Hindsight 在長期記憶基準測試中達到最先進的成果，包括在 **LongMemEval** 上取得頂級準確度（截至 2026 年初）。其效能已由維吉尼亞理工大學的 Sanghani 中心與《華盛頓郵報》獨立重現。

## 安裝與快速入門

### Docker (推薦)

```bash
export OPENAI_API_KEY=sk-xxx
docker run --rm -it --pull always -p 8888:8888 -p 9999:9999 \
  -e HINDSIGHT_API_LLM_API_KEY=$OPENAI_API_KEY \
  -v $HOME/.hindsight-docker:/home/hindsight/.pg0 \
  ghcr.io/vectorize-io/hindsight:latest
```

API 運行於 `http://localhost:8888`，網頁 UI 運行於 `http://localhost:9999`。

### Python SDK

```bash
pip install hindsight-client -U
```

基本使用：

```python
from hindsight_client import Hindsight

client = Hindsight(base_url="http://localhost:8888")
client.retain(bank_id="demo", content="...")
results = client.recall(bank_id="demo", query="...")
insights = client.reflect(bank_id="demo", query="...")
```

亦支援 Node.js/TypeScript 與嵌入式模式。

## 使用案例

- 建構具有持續性的編碼智慧體（Claude Code、Cursor 整合）
- 具長期使用者偏好記憶能力的個人化對話智慧體
- 能從經驗中學習並適應策略的自動化智慧體
- 需要跨會話記憶與推理的企業 AI 工作流程

## 資源

- GitHub：https://github.com/vectorize-io/hindsight
- 官方文件：https://hindsight.vectorize.io
- arXiv 論文：https://arxiv.org/abs/2512.12818
- Hindsight Cloud：https://ui.hindsight.vectorize.io

Hindsight 目前持續積極維護（最新提交時間為 2026 年 4 月），並已被《財星》500 大企業與 AI 新創公司投入實際生產環境使用。

## Tags

- AI智能體記憶
- 智能體框架
- 長期記憶
- RAG替代方案
- Python
- TypeScript
- LLM
- 向量化

## Sources

- [Project website](https://github.com/vectorize-io/hindsight)