按用户记忆
Hindsight 为每个用户保留独立记忆，因此偏好、历史和决策不会在不同账户之间混淆。
Hindsight
认领Hindsight by Vectorize 是面向 AI 应用的开源 agent memory，支持持久上下文、跨会话记忆与基于经验的学习；可自托管或使用托管云服务。
概述
Vectorize 的 Hindsight 是面向需要持久上下文而不是无状态聊天的应用的开源 agent memory。它旨在帮助 agent 记住用户、在跨会话中保留上下文，并随着遇到更多对话和工具结果而改进回复。
该产品提供两种主要部署方式：自托管 Hindsight，可通过 Docker 命令在你自己的基础设施上运行并采用 MIT 许可；以及 Hindsight Cloud，一种按使用量计费的托管服务。网站将该系统定位为 model-agnostic，并可与支持 MCP 的 agent 配合使用，因此团队可以将其接入现有工作流，而无需把记忆绑定到某个特定 LLM。
核心能力
跨会话持久化
记忆会跨会话边界持续保留，让 agent 在数周后仍能接上上下文，而不是从头开始。
并行检索策略
该产品并行运行稠密向量检索、稀疏关键词检索、图遍历和时间检索，从多个角度获取相关上下文。
按 token 预算检索
结果通过 token 预算而非 top-K 数量进行合并，因此在使用多种检索方法的同时，提示词大小仍保持可预测。
从经验中学习
反思层会将原始观察综合为汇总知识，把重复经验转化为可复用模式。
开发者接口
Hindsight 通过 MCP 暴露 remember、recall 和 reflect，同时还提供 Python SDK 和 REST API 供应用集成。
常见使用场景
持久化用户上下文
为支持回访用户的 agent 添加记忆，让偏好和先前决策能够跨会话跟随用户。
从过往交互中学习
构建这样的工作流：一次失败的工具调用或被纠正的回答会转化为未来的学习，而不是重复犯错。
跨多种记忆类型检索
支持需要推理不断变化的事实、相关实体和早期事件的 agent，而无需手动标记系统。
托管生产部署
当你希望获得扩展、备份、分析和协作功能，而又不想自己运行基础设施时，部署托管生产环境方案。
开发者集成
通过 MCP、Python SDK 或 REST API 将记忆集成到现有 agent 技术栈中，而无需绑定到某一个 LLM。
Pros and Cons
Pros
- 自托管使用为开源并采用 MIT 许可，可通过单条 Docker 命令部署。
- 该记忆系统专为跨会话的持久化、按用户上下文而设计。
- 四种检索策略并行运行，包括向量、关键词、图和时间检索。
- 该产品为开发者提供 MCP、Python SDK 和 REST API 访问。
- 网站公布了其记忆系统的基准测试结果和方法。
Cons
- 网站未发布完整的集成目录，因此在所提供页面中无法完全列出支持的外部工具和平台。
- 云端定价基于 token 且按操作计费，这可能需要团队在扩展前谨慎估算使用量。
FAQ
Hindsight 可以免费自托管吗？
可以。自托管版本采用 MIT 许可，可通过单条 Docker 命令运行，定价页面说明其没有使用限制、没有遥测，也没有限制条款。
自托管与 Hindsight Cloud 有什么区别？
自托管 Hindsight 运行在你自己的基础设施上，而 Hindsight Cloud 是托管服务。云方案包含基础设施管理、扩缩容、备份、分析和协作功能。
开发者如何将 Hindsight 集成到 agent 中？
该产品通过 MCP 服务器提供 remember、recall 和 reflect 能力，同时还提供 Python SDK 和 REST API。产品页面也展示了一个使用 retain 和 recall 调用的示例客户端。
Hindsight Cloud 如何定价？
定价页面说明 Hindsight Cloud 采用按量付费的 token 计费方式，没有固定月费，也没有按席位定价。它会对 Retain、Recall、Reflect、Iris Extract 和 Mental Model 等操作分别计费。
它依赖特定的 LLM 吗？
网站表示它可与任何支持 MCP 的 agent 配合使用，并且是 model-agnostic，因此你可以切换 LLM 而不会丢失 agent 已学到的内容。
Quick Facts
- 类别
- 开发者工具 / AI 基础设施
- 产品
- Hindsight by Vectorize
- 源域名
- vectorize.io
- 部署方式
- 自托管 Docker 或托管云
- 定价
- 自托管免费；云端采用按量付费的 token 计费
- 主要用户
- 构建具有持久记忆的 AI agent 的团队