每位使用者的記憶
Hindsight 會為每位使用者保留獨立記憶，因此偏好、歷史與決策不會在不同帳號之間混在一起。
Hindsight
認領Hindsight by Vectorize 是開源 AI 代理記憶，適用於需要持久上下文、跨會話記憶與經驗學習的 AI 應用；可自架於自有基礎架構或使用代管雲端服務。
概覽
Vectorize 的 Hindsight 是開源的代理記憶，適用於需要持久上下文而非無狀態聊天的應用程式。它旨在協助代理記住使用者、在不同會話間保留上下文，並隨著接觸更多對話與工具結果而改善回應。
此產品提供兩種主要部署模式：自架 Hindsight，可透過 Docker 指令在您自己的基礎架構上執行，並採用 MIT 授權；以及 Hindsight Cloud，這是一項代管服務並採用按量計費。網站將此系統定位為模型無關，並可與支援 MCP 的代理搭配使用，因此團隊可將其接入既有工作流程，而不必將記憶綁定到特定 LLM。
核心功能
跨會話持久化
記憶可跨會話邊界持續保留，讓代理在數週後仍能接續上下文，而不是從頭開始。
平行檢索策略
此產品會平行執行密集向量搜尋、稀疏關鍵字搜尋、圖遍歷與時間搜尋，從多個角度擷取相關上下文。
以 token 預算控制的檢索
結果會以 token 預算而非 top-K 數量合併，因此提示詞大小維持可預測，同時仍可利用多種檢索方法。
從經驗中學習
反思層會將原始觀察整合成彙總知識，把重複經驗轉化為可重用的模式。
開發者介面
Hindsight 透過 MCP 開放 remember、recall 與 reflect，並另外提供 Python SDK 與 REST API 供應用程式整合。
常見使用情境
持久的使用者上下文
為支援回訪使用者的代理加入記憶，讓偏好與先前決策能在不同會話間跟著同一位使用者。
從過往互動中學習
建立工作流程，讓失敗的工具呼叫或修正後的答案成為未來的學習，而不是重複犯錯。
跨多種記憶類型的檢索
支援需要推理變動中的事實、相關實體與較早事件的代理，而無需手動標記系統。
代管正式環境部署
當您想要擴充、備份、分析與協作功能，而又不想自行管理基礎架構時，可部署代管的正式環境設定。
開發者整合
透過 MCP、Python SDK 或 REST API 將記憶整合進既有代理技術堆疊，而不必綁定單一 LLM。
Pros and Cons
Pros
- 自架使用為開源且採 MIT 授權，並可透過單一 Docker 指令部署。
- 此記憶系統專為跨會話、每位使用者持續保留上下文而設計。
- 四種檢索策略會平行執行，包括向量、關鍵字、圖與時間搜尋。
- 此產品為開發者提供 MCP、Python SDK 與 REST API 存取。
- 網站公開了其記憶系統的基準測試結果與方法。
Cons
- 網站未提供完整的整合目錄，因此在所提供頁面中，支援的外部工具與平台並未完整列出。
- 雲端定價採用以 token 為基礎且依操作計費的方式，團隊在擴充前可能需要仔細估算用量。
FAQ
Hindsight 可以免費自架嗎？
可以。自架版本採用 MIT 授權，可用單一 Docker 指令執行，且定價頁面說明沒有使用限制、沒有遙測，也沒有任何限制條件。
自架版與 Hindsight Cloud 有什麼差異？
自架版 Hindsight 會在您自己的基礎架構上執行，而 Hindsight Cloud 則是代管服務。雲端方案包含基礎架構管理、擴充、備份、分析與協作功能。
開發者如何將 Hindsight 整合到代理中？
此產品透過 MCP 伺服器公開 remember、recall 與 reflect 功能，並提供 Python SDK 與 REST API。產品頁也展示了使用 retain 與 recall 呼叫的範例用戶端。
Hindsight Cloud 如何計費？
定價頁面說明 Hindsight Cloud 採用按量付費的 token 計費方式，沒有固定月費，也沒有按席次計價。它會針對 Retain、Recall、Reflect、Iris Extract 與 Mental Model 等操作分開計費。
它是否依賴特定的 LLM？
網站表示它可與任何支援 MCP 的代理搭配使用，並且是模型無關的，因此您可以更換 LLM，而不會失去代理已學到的內容。
Quick Facts
- 類別
- 開發工具 / AI 基礎架構
- 產品
- Hindsight by Vectorize
- 來源網域
- vectorize.io
- 部署方式
- 自架 Docker 或代管雲端
- 定價
- 自架免費；雲端採按量付費 token 計費
- 主要使用者
- 打造具持久記憶的 AI 代理的團隊