Hindsight
会学习的智能体记忆层：Retain、Recall、Reflect 三个接口，MIT 开源可自托管开源
关于 Hindsight
Hindsight 是 Vectorize 出品的 AI 智能体记忆系统，提供 retain、recall、reflect 三个操作：写入时用 LLM 抽取事实、实体与关系，检索时并行跑语义、关键词、图和时间四路搜索，再由 reflect 在记忆库上推理作答。开源版为 MIT 许可，可自托管；Hindsight Cloud 按 token 用量计费，无月费和席位费；Enterprise 提供私有云、BYOC 和本地部署。截至 2026-10-26，最新版本为 v1.1.0，GitHub 发布时间 2026-10-22 00:41 (UTC+8)。
它解决什么问题
Vectorize About 页写，如今的 AI 智能体在两次对话之间会忘掉一切。README 写 Hindsight 的目标是让智能体随时间学习，而不只是回忆对话历史，并称它弥补了 RAG 与知识图谱这两类做法的不足。
做法上，Hindsight 不存原始对话，而是把内容抽取成带类型的记忆：世界事实、智能体自身的经历、由多条事实归并出的观察，以及用户为常问问题设定的心智模型和由记忆库自行维护的知识页。记忆按 bank 隔离，一个 bank 对应一个用户、智能体或项目。
产品形态。开源服务端可用 Docker、Helm 或 pip 部署，存储为 Postgres 加 pgvector；另有托管的 Hindsight Cloud，以及面向企业的 Hindsight Enterprise。客户端 SDK、REST API 和内置 MCP 服务器都暴露同样的三个操作。
代码仓库是 vectorize-io/hindsight，2025-10-30 19:49 (UTC+8) 创建。近期发布：v0.10.3 于 2026-10-08 23:47 (UTC+8)，v1.0.0 于 2026-10-13 22:08 (UTC+8)，v1.1.0 于 2026-10-22 00:41 (UTC+8)。
出品方是 Vectorize，LICENSE 的版权人写作 Vectorize AI, Inc.。About 页领导层一栏列出 CEO Chris Latimer 和 CTO Chris Bartholomew。
Every AI agent today forgets everything between conversations.
核心能力
四路并行检索。recall 同时跑语义向量、BM25 关键词、实体与时间及因果关系的图扩展、时间范围过滤四种策略，结果按排名融合，再由交叉编码器重排，最后按 token 预算截断，而不是按固定条数返回。
观察归并。后台任务持续把原始事实合并成观察，每条观察指向支撑它的记忆并保留原文引用；新证据到来时更新观察并保留历史，不直接覆盖。
reflect 推理。reflect 在记忆库上运行最多十轮的智能体循环，先查心智模型和知识页，再查观察，最后才查原始事实，只能引用实际检索到的条目。记忆库可设定 mission、directives 以及怀疑度、字面度、共情度三项 1 到 5 的 disposition，只影响 reflect，不影响 recall。
知识页。知识页是记忆库为自己撰写的活文档，按文件夹组织，随归并增量改写；hindsight fs mount 可把这棵树挂载成普通 Markdown 文件。
接入面。README 写支持 25+ 家 LLM 服务商，含 ollama、lmstudio、llamacpp 等本地方案；集成列表覆盖 Claude Code、Codex、Cursor、opencode 等编程智能体，以及 LangGraph、LlamaIndex、CrewAI、OpenAI Agents SDK 等框架，共列出 60+ 项（均为官方自述）。v1.1.0 新增按调用在服务端指定 LLM 和凭据的扩展，以及统一的 decision-model 配置。
Memlake。2026-10-13 发布的 Memlake 是用 Rust 写的存储引擎，把记忆放进对象存储，同一份数据服务四类检索。官方博客写，3M 条记忆的 bank 在 p99 约 90 ms 返回，单个 bank 写入速率为 Postgres 的 15 到 27 倍（均为官方自述）。
谁在用
截至 2026-10-26，GitHub API 显示 53,704 个星标、6,248 个 Fork。2026-09-28 的官方博客列出 263 位贡献者、2,691 个已合并 PR、70 个版本（均为官方自述）。
发展历程。About 页时间线写 2024 年 1 月成立公司，2024 年 4 月完成由 True Ventures 领投的 $3.6M 种子轮；公司发布的新闻稿于 2024-10-08 宣布由 True Ventures 领投的 $3.6M 种子轮。About 页写平台 2024 年 9 月正式可用，新闻稿于 2024-10-08 写平台 available now。
用户规模的官方说法（均为官方自述）：About 页写 15,000+ 开发者在用 Vectorize 和 Hindsight；Memlake 博客写 Hindsight Cloud 有 30,000+ 用户，且多数组织已运行在 Memlake 上；README 写已在财富 500 强企业的生产环境中使用。
基准成绩（均为官方自述）：
- LongMemEval-S 94.6%，同榜次优系统 74.0%。
- LoCoMo 92.0%，PersonaMem 86.6%，LifeBench 71.5%，BEAM 10M token 64.1%。
- 编码智能体测试 sdebench 上，每次运行在有无记忆时都解出 61 个中的 60 到 61 个；接入 Hindsight 后，Claude Code 每任务纠正次数从 0.85 降到 0.36，成本从 $0.445 降到 $0.338。
README 写这些基准数据已由研究合作方独立复现；基准页写相关研究经过同行评审，基准代码开源。
和同类比
和 Mem0 比：Mem0 为 Apache-2.0 许可，GitHub 描述为 The Memory Layer for AI Agents，同样定位为智能体记忆层。Hindsight 为 MIT 许可，在官方基准页上列出与次优系统的分数对照。
和 Graphiti 比：Graphiti 为 Apache-2.0 许可，GitHub 描述为 Build Real-Time Knowledge Graphs for AI Agents，走实时知识图谱路线。Hindsight 的 FAQ 写它的图以事件为中心：记忆是锚点，实体挂在记忆上，实体之间没有直接连线，旧记忆保留，变化通过新增记忆体现。
和 Letta 比：Letta 为 Apache-2.0 许可，GitHub 描述为 Platform for stateful agents，是一套有状态智能体平台。Hindsight 只做记忆层，通过 SDK、REST API、MCP 和 60+ 项集成接入其他智能体与框架。
和 RAG 比：FAQ 写 Hindsight 存结构化事实而不是文档块，会随时间归并出心智模型，并支持带时间的检索。
适合与不适合
适合：
- 需要智能体跨会话记住用户偏好、项目约定和历史决策的团队。
- 希望记忆层与模型解耦的开发者：服务端可接 25+ 家 LLM 服务商，也可接本地模型。
- 要求数据留在自有环境的组织：开源版可自托管且无使用限制，Enterprise 提供私有云、BYOC 和本地部署，含隔离网络环境。
- 已在用 Claude Code、Codex、Cursor、opencode 等编程智能体，并希望按仓库积累记忆的团队。
不适合：
- 需要在团队、智能体、单条记忆层面做细粒度访问控制、又不打算用 Enterprise 的场景：相关功能请求 issue 2235 截至 2026-10-26 仍未关闭。
- 不允许任何内容发给第三方模型、又无法部署本地模型的环境：retain 会调用 LLM 抽取事实。
- 只能使用 Python 3.11 以下版本或内存低于 4GB 的自托管环境。
上手路径
自托管。README 推荐的方式是一条 docker run 命令启动服务端，传入 LLM 的 API 密钥，API 监听 8888 端口，界面在 9999 端口；也可用外接 Postgres 的 Docker、Helm 或 pip install hindsight- 部署。FAQ 写自托管最低要求是 Python 3.11 以上、4GB 内存，生产环境推荐 8GB。
接入客户端。Python 用 pip install hindsight-，另有 TypeScript 客户端；对 bank_id 调用 retain 写入，recall 检索，reflect 生成回答。内置 MCP 服务器地址形如 /mcp/，可把三个操作暴露为工具。
更省改动的方式。hindsight-litellm 包装 LLM 调用，在调用前自动 recall、调用后自动 retain；编程智能体可用 npx @vectorize-io/hindsight-coding-agents install 一次接入多个工具。
托管版。Hindsight Cloud 注册后获得免费额度，可先测试再计费。
定价与许可证
自托管：免费，MIT 许可，定价页写无使用限制、无遥测。
Hindsight Cloud：按用量计费，无固定月费，无席位费，新账号有免费额度。各操作单价：
- Retain：每百万 token $10.00。
- Recall：每百万 token $0.75。
- Reflect：每次 $0.05。
- Iris Extract：每百万 token $7.50。
- Mental Model 检索每百万 token $0.25，刷新每次 $0.05。
- 存储：每百万 token 每月 $0.25，记忆前 30 天免费存储，且不会被删除。
Cloud 含 99.9% 可用性保证、12×5 邮件支持和 12 小时响应 SLA；大用量可联系商定价格。
Enterprise：联系销售报价，含私有云、BYOC 或本地部署、单租户、私有网络、Memlake、SSO 与强制 MFA、Memory Defense、审计日志与 SIEM、最高 99.95% 的定制 SLA、最高 7×24 支持与 30 分钟响应，以及发票结算。Enterprise 页写 Vectorize 已通过 SOC 2 Type 2 认证。
许可证：LICENSE 为 MIT License，版权人 Vectorize AI, Inc.。Memlake、SSO、Memory Defense 等能力只随 Enterprise 提供。
风险与局限
依赖外部模型。README 写 retain 用 LLM 抽取事实、时间、实体与关系，快速上手示例传入 OpenAI 的 API 密钥；写入和 reflect 的内容会发给所选模型服务商，改用 ollama 等本地模型时除外。
开源版与企业版分层。Memlake 博客写开源版保持在 Postgres 上；Memlake、SSO、Memory Defense、审计日志只在 Enterprise 中提供。
访问控制。issue 2235 于 2026-06-16 20:58 (UTC+8) 提出团队、智能体和记忆层面的访问控制需求，截至 2026-10-26 仍未关闭。
版本。v1.0.0 于 2026-10-13 22:08 (UTC+8) 发布，v1.1.0 于 2026-10-22 00:41 (UTC+8) 发布；Memlake 博客写 2.0 已在开发中。
官方材料中的不同说法：
- 公司名称：LICENSE 写 Vectorize AI, Inc.；官网页脚写 Vectorize, Inc.。
- SDK 语言：FAQ 一处写 SDK 支持 Python、TypeScript、Go、Rust；FAQ 的客户端列表为 Python、TypeScript、Go、CLI、HTTP。
我们的判断
Hindsight 的特点是：对外只有 retain、recall、reflect 三个操作；recall 并行跑四种检索策略，结果按 token 预算截断；开源版为 MIT 许可，可自托管，也可接 ollama 等本地模型。
它的限制：retain 和 reflect 都要调用 LLM，内容会发给所选模型服务商（本地模型除外）；细粒度访问控制的功能请求 issue 2235 截至 2026-10-26 仍未关闭；v1.0.0 于 2026-10-13 发布；基准成绩为官方自述；Memlake、SSO、Memory Defense 只随 Enterprise 提供。
资料来源
官方
- Overview | Hindsight · 访问于 2026 年 10 月 26 日
- Frequently Asked Questions | Hindsight · 访问于 2026 年 10 月 26 日
- Introducing Hindsight Memlake: serving 100M Memories at <100ms p99 on object storage · 访问于 2026 年 10 月 26 日
- 40,000 Stars, and the Number We Actually Watch · 访问于 2026 年 10 月 26 日
- Pricing - Hindsight Agent Memory | Vectorize · 访问于 2026 年 10 月 26 日
- About | Vectorize · 访问于 2026 年 10 月 26 日
- Hindsight Enterprise | Vectorize · 访问于 2026 年 10 月 26 日
- Hindsight Benchmarks - Agent Memory Accuracy | Vectorize · 访问于 2026 年 10 月 26 日
- Vectorize Terms of Service · 访问于 2026 年 10 月 26 日
- Vectorize Privacy Policy · 访问于 2026 年 10 月 26 日
- Hindsight README · 访问于 2026 年 10 月 26 日
- Hindsight LICENSE (MIT) · 访问于 2026 年 10 月 26 日
- vectorize-io/hindsight on GitHub · 访问于 2026 年 10 月 26 日
- vectorize-io/hindsight releases on GitHub · 访问于 2026 年 10 月 26 日
- Hindsight v1.1.0 release notes · 访问于 2026 年 10 月 26 日
- Issue 2235: Feature Request: Team, agent, and memory-level access control · 访问于 2026 年 10 月 26 日
媒体与第三方
- Vectorize Raises $3.6 Million to Transform AI-Powered Data Retrieval · 访问于 2026 年 10 月 26 日
相关产品
- mem0ai/mem0 on GitHub (Apache-2.0) · 访问于 2026 年 10 月 26 日
- getzep/graphiti on GitHub (Apache-2.0) · 访问于 2026 年 10 月 26 日
- letta-ai/letta on GitHub (Apache-2.0) · 访问于 2026 年 10 月 26 日
动态与深度阅读
Hindsight 评测：英伟达 Nemotron 3.5 Embed 记忆检索居首
智能体记忆项目 Hindsight 在其评测体系中把英伟达 Nemotron 3.5 Embed 与另外 7 个嵌入模型对比，包括 OpenAI text-embedding-3-small、BGE-M3 和 Qwen3-Embedding-0.6B。Hindsight 称 Nemotron 在 LoCoMo 和 BEAM 100K 记忆检索上分别取得 93.8% 和 65.9%，均列第一。 得益于 32768 个 token 的上下文，Nemotron 能完整嵌入对话原文段落，在 BEAM 千万 token 档的 recall@10 为 38.0%，在 8 种语言 27 项检索任务上平均 nDCG@10 为 55.1。在单张英伟达 L4 上每次查询约 30 毫秒，比参数量约为其一半的 Qwen3-Embedding-0.6B 更快。
原文Nemotron finished first on memory retrieval and first on the leaderboard, and it answered queries faster than a model just over half its size.Hindsight 1.0 发布，推出对象存储记忆引擎 Memlake
Hindsight 发布 1.0 版，并推出新的存储引擎 Memlake，把智能体记忆存放在用户自己掌控的对象存储桶中，面向十亿级记忆规模。Memlake 属于 Hindsight 企业版，Hindsight Cloud 大部分已在其上运行，开源版仍默认使用 Postgres。 Hindsight 称，在 Postgres 上记忆库变大后召回明显变慢：4 核主库在 3.3 万条记忆时每秒可处理 7.0 次查询，16.4 万条时降至 1.9 次。Memlake 让写入成本不随库的大小增长，完全缓存后 p99 召回延迟可降到 74 毫秒，且检索质量不受影响。
原文Changing the storage engine didn't cost retrieval quality.Hindsight 接入 Grok Bot，可读取其他 AI 工具的记忆库
Hindsight 推出 Grok Bot 集成：连接后，Bot 能读取 Claude Code、ChatGPT、Hermes、OpenClaw 等工具已写入的记忆库，用户不必在每个工具里重复介绍自己。Bot 可读写自己的库和共享库，其他库只读。 Hindsight 提醒，OAuth 授权会覆盖所授权组织内的全部记忆库，只读约束只是技能里的约定，并非服务端权限。由于 Grok Bot 不运行插件生命周期钩子，整个集成依靠模型自行调用的技能驱动。
原文Grok Bot runs no plugin lifecycle hooks, so all of this is driven by skills the model chooses to use.