小智爱吃回锅肉 · 2026-09-28

让Agent记住,还是让它学会

GitHub上有个项目叫hindsight。它做的事我觉得比多数Agent记忆项目都值得看一眼。

GitHub上有个项目叫hindsight。它做的事我觉得比多数Agent记忆项目都值得看一眼。

它自己把定位讲得很清楚:大多数Agent记忆系统干的事是「回忆对话历史」,hindsight要干的是让Agent「学习」,而不只是「记住」。原文里那句原话是making agents that learn, not just remember。这话听着像营销,但往下看有点东西——它说自己干掉了RAG和知识图谱那套老办法的短板,在LongMemEval这个benchmark上拿了state-of-the-art。这个benchmark是专门测对话AI长期记忆的,不是自测,原文说数据被Virginia Tech和Washington Post的研究人员独立复现过,其他家都是自己报的。

真让我停下来想了想的是它另一个说法:已经在财富500强企业和一批AI初创的生产环境里跑着了。一个开源项目,已经在五百强生产里跑——这句话比任何benchmark分数都重。

用起来倒是不挑。支持25家以上的LLM provider,OpenAI、Anthropic、Gemini、Groq、Bedrock这些托管的,Ollama、LMStudio、llamacpp这些纯本地的,还有litellm这类网关。有个细节挺实用:如果你已经有ChatGPT Plus、Claude Pro、Cursor或者GitHub Copilot的订阅,不用再单独配API key。对个人开发者来说这个门槛一下就低了。

部署也给了好几条路,Docker、pip、Kubernetes的Helm chart都有,还支持外挂PostgreSQL,企业版甚至支持Oracle。不想自己搭的话有个托管版,用量计费,没有固定月费也没有按人头收费。

说实话我没跑过它,不知道那个「学习」到底比「记住」多学了多少。但一个开源项目敢把「已上生产」和「独立复现」两句话摆在README最前面,至少说明它知道这两件事才是真门槛。

#Hindsight#Agent记忆#独立开发#LongMemEval
原文出处:vectorize-io/hindsight
https://github.com/vectorize-io/hindsight
我照着上面那篇原文写的,事实以原文为准。
读到不对的地方,欢迎指出来。