如何让 AI Agent 拥有持久记忆Hindsight 快速上手指南【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsightHindsight 是一款面向 AI Agent 的开源 AI 记忆系统让智能体在会话之间拥有持久记忆不只是记录说过什么还能把经验沉淀成可复用的洞察。本文用大白话讲清它的原理并给出一行 Docker 启动命令加最小 Python 示例的完整快速上手流程适合刚接触 AI Agent 开发的新手。AI Agent 记忆难题为什么每次会话都要重复交代背景先说一个你可能遇到过的场景早上你花 20 分钟告诉 AI 助手项目的技术栈、数据库选型和团队约定下午开一个新会话它又问你们用的是哪个数据库把背景塞进系统提示词可以缓解但越写越长也覆盖不了上周你说过这类信息。上下文窗口只是一张更大的桌子不是大脑——会话一结束记忆就清零。大部分 Agent 对经验是失忆的能完成任务却不积累。Hindsight 是什么会学习经验的 AI 记忆系统一句话定位Hindsight 是给 AI 代理用的 AI 记忆系统以独立服务方式运行提供 Python、TypeScript、Go 客户端和标准 HTTP 接口。它和 RAG / 向量数据库的分界线在输入上RAG 索引的是你准备好的固定文档库Hindsight 接收的是代理在对话和任务中经历过的事。RAG 把文档切片、向量化提问时取回最相似的片段回答资料里写了什么Hindsight 把对话写成事实、实体和时间序列再在后台把相近事实合并成观察进一步提炼成可直接读取的心智模型回答我学到了什么。所以它强调 Agent 经验学习两者是互补关系RAG 是外部资料库Hindsight 是代理自己的长期记忆。官方仓库里有专门讲 Hindsight 和 RAG 的区别 的对比文章。Hindsight 原理拆解记录、回忆、复盘成经验 类比一个好员工的笔记习惯先把事情记下来需要时再翻出来最后定期复盘总结方法。Hindsight 的三个核心操作 Retain、Recall、Reflect 正好对应这三步。和往数据库里塞日志的关键区别是写入那一刻系统就开始在后台整理你之后取回的不是原文堆。下面按这个顺序讲。怎么记住Retain 把一句话变成结构化事实输入是一句对话或经验外加可选的上下文和时间例如retain(bank_idmy-bank, contentAlice 升了高级工程师, timestamp2025-06-15)。系统做什么内部由 LLM 抽取事实、实体、时间和关系规范化后分别写入世界事实和个人经历两条通路并建立可检索的索引。输出不再是原文而是一条能按实体、按时间关联的结构化记忆。写入后还有后续相关事实会在后台自动合并成观察比如三次用户偏好简洁回复会并成一条信念保留原始证据和计数新证据到来时是加强或修正这条信念而不是覆盖。怎么召回Recall 用四条路找记忆输入是一个问题例如Alice 六月做了什么。系统做的不是单路关键词匹配语义向量相似、BM25 关键词、实体与因果图、时间序列四路检索并行跑再融合四份结果、用交叉编码器重排最后按你的 token 预算裁剪。输出是带实体上下文和时间信息的有序记忆集合。好处是上个月发生了什么这类时间类、关系类问题不需要你把它翻译成模糊关键词。怎么变聪明Reflect 把经验变洞察Recall 是查卡片reflect 是做复盘。输入是那种需要思考的问题比如关于 Alice 我应该知道什么。系统先召回相关记忆再加载代理档案包括怀疑度、共情这类性格特质和背景设定让 LLM 在记忆上深度推理。输出不是一串片段而是一段合成结论。关键在副作用这次反思的结论会写回记忆库作为新的观察或观点并按证据调整置信度。你定义一个常设问题比如用户偏好是什么Hindsight 会写出初版答案之后记忆增长时后台自动重写——代理启动时直接读取这份心智模型不必每次重新推导。一行命令启动 Hindsight跑通最小 Python 示例先起服务Retain 和 Reflect 要用到 LLM需要配 keydocker run -it -p 8888:8888 -p 9999:9999 -v hindsight-data:/home/hindsight/.pg0 \ -e HINDSIGHT_API_LLM_API_KEY$OPENAI_API_KEY \ ghcr.io/vectorize-io/hindsight:latestAPI 在 8888 端口9999 端口是 Web 界面。然后在 Python 里跑几行from hindsight_client import Hindsight client Hindsight(base_urlhttp://localhost:8888) client.retain(bank_idmy-bank, contentAlice works at Google as a software engineer) print(client.recall(bank_idmy-bank, queryWhat does Alice do?)) print(client.reflect(bank_idmy-bank, queryTell me about Alice))跑起来后你会看到retain 返回后事实抽取在后台进行几秒后才可检索recall 打印的是带相关性分数的结构化事实列表reflect 则是一段合成段落。打开 9999 的界面还能看到 bank 里的事实数量与记忆统计。Python 客户端源码在 hindsight-clients/python/也可以pip install hindsight-all在 Python 里直接拉起内嵌服务不单独起容器。Hindsight 适合谁看 3 个场景知 1 个边界先看三类场景。一是长期服务某个用户的代理比如客服或个人助理每个用户建一个独立 bank记住偏好和历史回复会越用越贴合。二是长周期项目的编码代理把约定、架构决策、踩过的坑沉淀进记忆新会话不必重新理解代码库。三是需要根据过往成败调整行为的自主任务代理比如销售代理复盘哪些外联消息有回复、哪些没有。官方文档里这些场景都有现成模式可抄。边界也要说清如果你只是查固定文档库或者流程一次性跑完就结束上整套记忆服务属于杀鸡用牛刀——简单 RAG 更直接。想动手的话最短路径是用上面的命令起服务、跑三行示例再在界面里观察观察的合并效果。想深入从 安装指南 和 心智模型章节 读起它们覆盖了经验如何变成洞察的完整机制。【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何让 AI Agent 拥有持久记忆？Hindsight 快速上手指南
如何让 AI Agent 拥有持久记忆Hindsight 快速上手指南【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsightHindsight 是一款面向 AI Agent 的开源 AI 记忆系统让智能体在会话之间拥有持久记忆不只是记录说过什么还能把经验沉淀成可复用的洞察。本文用大白话讲清它的原理并给出一行 Docker 启动命令加最小 Python 示例的完整快速上手流程适合刚接触 AI Agent 开发的新手。AI Agent 记忆难题为什么每次会话都要重复交代背景先说一个你可能遇到过的场景早上你花 20 分钟告诉 AI 助手项目的技术栈、数据库选型和团队约定下午开一个新会话它又问你们用的是哪个数据库把背景塞进系统提示词可以缓解但越写越长也覆盖不了上周你说过这类信息。上下文窗口只是一张更大的桌子不是大脑——会话一结束记忆就清零。大部分 Agent 对经验是失忆的能完成任务却不积累。Hindsight 是什么会学习经验的 AI 记忆系统一句话定位Hindsight 是给 AI 代理用的 AI 记忆系统以独立服务方式运行提供 Python、TypeScript、Go 客户端和标准 HTTP 接口。它和 RAG / 向量数据库的分界线在输入上RAG 索引的是你准备好的固定文档库Hindsight 接收的是代理在对话和任务中经历过的事。RAG 把文档切片、向量化提问时取回最相似的片段回答资料里写了什么Hindsight 把对话写成事实、实体和时间序列再在后台把相近事实合并成观察进一步提炼成可直接读取的心智模型回答我学到了什么。所以它强调 Agent 经验学习两者是互补关系RAG 是外部资料库Hindsight 是代理自己的长期记忆。官方仓库里有专门讲 Hindsight 和 RAG 的区别 的对比文章。Hindsight 原理拆解记录、回忆、复盘成经验 类比一个好员工的笔记习惯先把事情记下来需要时再翻出来最后定期复盘总结方法。Hindsight 的三个核心操作 Retain、Recall、Reflect 正好对应这三步。和往数据库里塞日志的关键区别是写入那一刻系统就开始在后台整理你之后取回的不是原文堆。下面按这个顺序讲。怎么记住Retain 把一句话变成结构化事实输入是一句对话或经验外加可选的上下文和时间例如retain(bank_idmy-bank, contentAlice 升了高级工程师, timestamp2025-06-15)。系统做什么内部由 LLM 抽取事实、实体、时间和关系规范化后分别写入世界事实和个人经历两条通路并建立可检索的索引。输出不再是原文而是一条能按实体、按时间关联的结构化记忆。写入后还有后续相关事实会在后台自动合并成观察比如三次用户偏好简洁回复会并成一条信念保留原始证据和计数新证据到来时是加强或修正这条信念而不是覆盖。怎么召回Recall 用四条路找记忆输入是一个问题例如Alice 六月做了什么。系统做的不是单路关键词匹配语义向量相似、BM25 关键词、实体与因果图、时间序列四路检索并行跑再融合四份结果、用交叉编码器重排最后按你的 token 预算裁剪。输出是带实体上下文和时间信息的有序记忆集合。好处是上个月发生了什么这类时间类、关系类问题不需要你把它翻译成模糊关键词。怎么变聪明Reflect 把经验变洞察Recall 是查卡片reflect 是做复盘。输入是那种需要思考的问题比如关于 Alice 我应该知道什么。系统先召回相关记忆再加载代理档案包括怀疑度、共情这类性格特质和背景设定让 LLM 在记忆上深度推理。输出不是一串片段而是一段合成结论。关键在副作用这次反思的结论会写回记忆库作为新的观察或观点并按证据调整置信度。你定义一个常设问题比如用户偏好是什么Hindsight 会写出初版答案之后记忆增长时后台自动重写——代理启动时直接读取这份心智模型不必每次重新推导。一行命令启动 Hindsight跑通最小 Python 示例先起服务Retain 和 Reflect 要用到 LLM需要配 keydocker run -it -p 8888:8888 -p 9999:9999 -v hindsight-data:/home/hindsight/.pg0 \ -e HINDSIGHT_API_LLM_API_KEY$OPENAI_API_KEY \ ghcr.io/vectorize-io/hindsight:latestAPI 在 8888 端口9999 端口是 Web 界面。然后在 Python 里跑几行from hindsight_client import Hindsight client Hindsight(base_urlhttp://localhost:8888) client.retain(bank_idmy-bank, contentAlice works at Google as a software engineer) print(client.recall(bank_idmy-bank, queryWhat does Alice do?)) print(client.reflect(bank_idmy-bank, queryTell me about Alice))跑起来后你会看到retain 返回后事实抽取在后台进行几秒后才可检索recall 打印的是带相关性分数的结构化事实列表reflect 则是一段合成段落。打开 9999 的界面还能看到 bank 里的事实数量与记忆统计。Python 客户端源码在 hindsight-clients/python/也可以pip install hindsight-all在 Python 里直接拉起内嵌服务不单独起容器。Hindsight 适合谁看 3 个场景知 1 个边界先看三类场景。一是长期服务某个用户的代理比如客服或个人助理每个用户建一个独立 bank记住偏好和历史回复会越用越贴合。二是长周期项目的编码代理把约定、架构决策、踩过的坑沉淀进记忆新会话不必重新理解代码库。三是需要根据过往成败调整行为的自主任务代理比如销售代理复盘哪些外联消息有回复、哪些没有。官方文档里这些场景都有现成模式可抄。边界也要说清如果你只是查固定文档库或者流程一次性跑完就结束上整套记忆服务属于杀鸡用牛刀——简单 RAG 更直接。想动手的话最短路径是用上面的命令起服务、跑三行示例再在界面里观察观察的合并效果。想深入从 安装指南 和 心智模型章节 读起它们覆盖了经验如何变成洞察的完整机制。【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
