vectorize-io/hindsight：为智能体补上会学习的那层记忆
来源：GitHub — 2026-09-30 · ⭐ 42,469 · Python
📋 概述
Hindsight 是一套智能体记忆系统，官方把差异点写得很清楚：多数记忆方案解决的是「回忆对话历史」，它要解决的是「让智能体随时间学会」。它声称绕开 RAG 与知识图谱两条主流路线的固有短板，在长期记忆任务上达到当前最好水平，并公开论文（arXiv 2512.12818）与基准站供核对。工程侧提供独立服务端、PyPI 与 npm 客户端，也支持无需服务端的嵌入式用法，MIT 协议，另有官方托管云可选。今日再加两千五百余星，稳在榜单前三。
🔑 核心要点
- 定位是让智能体「学会」而不是「记住」，把学习能力而非检索能力当作核心
- 官方称在长期记忆任务上达到最优表现，并给出可复现的基准站与论文供核对
- 明确对标 RAG 与知识图谱两类方案，并逐条指出各自的短板
- 提供独立服务端、PyPI 与 npm 客户端，也支持无需服务端的嵌入式用法
- MIT 协议，自托管与官方托管云两条路都可走，不锁死一种部署形态
- 仓库附集成列表与 cookbook，方便直接接进已有智能体框架
💡 金句
记忆只解决「上次说过什么」，学习才解决「下次该怎么做」。
👍 0
👎 0
← 返回 GitHub Trending 首页