Hindsight

vectorize-io/hindsightAI 已审核

用途

一个你自己运行的 AI 代理记忆系统。你的程序可以存入文本(retain)、之后提出问题(recall),或者要求根据存储的一切给出一个综合答案(reflect)。事实、经历和背景摘要都保存在 PostgreSQL 数据库中,并提供 Python、Node、Go 的客户端和一个命令行工具,还有面向编程代理、代理框架和 MCP 的现成接入方式。适合正在构建需要记忆能力的代理或聊天机器人的开发者。只需一条 Docker 命令或 pip install hindsight-api,再加上 25 多个模型提供商中任意一个的密钥即可开始;本地模型也可以使用。

安装难易度

C · 需要安装 1–2 个工具 · Windows

Windows C
macOS C
Linux C

在 Windows、Mac 和 Linux 上均为 C 级:最短路径是 pip install hindsight-api,加一个带模型密钥的环境变量和一条命令,数据库是内置的(README 的平台表把内置数据库标记为三个平台都支持)。Docker 方式则换成了一条很长的命令。发布文件只有适用于 Linux 和 Mac 的小型命令行客户端,Intel 版 Mac 还需要单独的 hindsight-all-slim 软件包。

GitHub 数据

星标: 56,9832026年10月31日
下载量: 56,460本周 1,939
增长: +2,8785 天内新增星标

星标变化

事实

可运行于: Windows, macOS, Linux
需要安装: Python
从源码编译需要: Python, Node.js
磁盘空间: 200 MB–800 MB · 估算
账号或密钥: OpenAI, or any of the 25+ supported model providers (a local Ollama or LM Studio needs no key)
费用: 免费，API 另行收费 · 代码采用 MIT 协议,自行托管是免费的,但每次 retain、recall 和 reflect 都会调用一个语言模型,因此你需要向该服务商付费。README 说本地模型(ollama、lmstudio、llamacpp)以及你已有的订阅(ChatGPT、Claude、Cursor、GitHub Copilot)也可以使用。项目背后的公司还销售 Hindsight Cloud,一个按用量付费的托管版本。
许可证: MIT (宽松型)
可以替代: Mem0, Zep, Supermemory
最近更新: 2026年10月30日

风险信号 (6)

注意你存入的所有内容都会经过模型提供商
README："Behind the scenes, retain uses an LLM to extract key facts, temporal data, entities, and relationships"，快速入门还把 `HINDSIGHT_API_LLM_API_KEY` 设为 OpenAI 的密钥。除非你改用本地模型，否则你的记忆文本会发送给该提供商。
AI 审核
信息编程智能体的配置会自动读取你的仓库历史
README 的 "Coding Agents" 部分：`npx @vectorize-io/hindsight-coding-agents install all` 会接入 "every detected agent"，建立 "a per-repo bank built automatically from git history and past sessions"，并且 "Ingestion is automatic — there is no setup command."
AI 审核
信息密钥和个人数据扫描默认关闭
README，Memory Banks 部分：Memory Defense 是 "An opt-in, per-bank policy that scans every retain for secrets and PII against 45 patterns"。在你开启它之前，你存入内容中的令牌和个人数据会原样保存。
AI 审核
信息命令行客户端通过把脚本直接交给 bash 来安装
README 的 "Connect a client" 部分：`curl -fsSL https://hindsight.vectorize.io/get-cli | bash` 会运行该地址返回的任何内容，且没有给出校验和。
AI 审核
信息基准对比来自厂商自己
README："Hindsight is the most accurate agent memory system ever tested according to benchmark performance"，配有项目自己制作的图表；同一部分也承认 "Other scores are self-reported by software vendors." 它还声称，却没有在仓库中给出证据，称其 "is being used in production at Fortune 500 enterprises"。
AI 审核
信息README 中有统计像素
README.md 的最后一行是一张 1x1 的图片：`<img src="https://umami-pixel.chris-latimer.workers.dev/?id=a8b043e6-6964-454d-80df-69b69d3f0d50&host=github.com&url=/vectorize-io/hindsight" width="1" height="1">`，它会把页面的访问情况报告给作者自己的服务器。
AI 审核

证据以原始语言显示。

Radar 无法验证的内容

维持一个繁忙代理的记忆更新,实际会消耗多少模型 token 费用。
README 中的基准测试数字在你自己的数据上能否重现。
随着记忆不断累积,数据库会占用多少磁盘空间。
pip 和内置数据库的方式在 Windows 上是否真的像平台表所说那样工作。
当多个用户共用一台服务器时,'bank'之间的隔离('无跨 bank 泄露')在实际中是否成立。
免费额度用完后,Hindsight Cloud 的实际费用是多少。