hindsight

Hindsight est un système de mémoire d'agent open source conçu pour aider les agents IA à apprendre et à s'améliorer au fil du temps, au-delà de la simple remémoration de conversations. Il se positionne comme une alternative aux approches RAG et graphes de connaissances pour les tâches de mémoire à long terme. ## Ce qu'il fait Hindsight organise les souvenirs à l'aide de structures de données biomimétiques inspirées du fonctionnement de la mémoire humaine. Les souvenirs sont classés en : - **Faits du monde** : faits généraux sur le monde - **Expériences** : expériences directes de l'agent lui-même - **Observations** : croyances consolidées et étayées par des preuves, formées à partir de nombreux souvenirs au fil du temps - **Modèles mentaux** : compréhension apprise du monde de l'agent, synthétisée à partir d'observations et de faits Le système fournit trois opérations principales : 1. **Retain** — Stocke de nouvelles informations. Utilise un LLM pour extraire les entités, les relations et les données temporelles, puis les normalise en représentations canoniques pour une récupération ultérieure. 2. **Recall** — Récupère les souvenirs à l'aide de quatre stratégies parallèles : similarité vectorielle sémantique, correspondance par mots-clés BM25, liens graphiques entre entités/temporels/causaux, et filtrage temporel par plage de temps. Les résultats sont fusionnés via la fusion de rangs réciproque puis reclassés. 3. **Reflect** — Effectue une analyse plus approfondie des souvenirs existants afin de former de nouvelles connexions, répondre à des questions complexes ou construire une compréhension approfondie. Les observations sont automatiquement consolidées en arrière-plan à partir des faits retenus associés, en conservant les preuves à l'appui avec des citations exactes. Les modèles mentaux sont des réponses permanentes à des questions définies que Hindsight réécrit à mesure que la banque en apprend davantage. ## Comment l'utiliser ### Options de déploiement - **Docker** (recommandé) : exécutez un seul conteneur avec `docker run`, en exposant l'API sur le port 8888 et l'interface utilisateur sur le port 9999. - **Bare metal** : installez via `pip install hindsight-api` et exécutez directement. - **Kubernetes** : chart Helm disponible à partir de `oci://ghcr.io/vectorize-io/charts/hindsight`. - **Embedded (Python)** : `pip install hindsight-all` pour un serveur in-process sans déploiement séparé nécessaire. - **Hindsight Cloud** : option hébergée managée avec mise à l'échelle automatique et un SLA de disponibilité de 99,9 %. Le serveur fonctionne avec plus de 25 fournisseurs de LLM, notamment OpenAI, Anthropic, Gemini, Groq, Bedrock, Ollama et tout endpoint compatible OpenAI. Les abonnements existants à ChatGPT Plus, Claude Pro, Cursor et GitHub Copilot fonctionnent sans clé API. ### Bibliothèques clientes Python (`hindsight-client`), Node.js/TypeScript (`@vectorize-io/hindsight-client`), Go et une CLI sont tous disponibles. Un exemple simple : ```python from hindsight_client import Hindsight client = Hindsight(base_url="http://localhost:8888") client.retain(bank_id="my-bank", content="Alice works at Google") results = client.recall(bank_id="my-bank", query="What does Alice do?") ``` ### Intégration rapide Le wrapper LiteLLM (`hindsight-litellm`) vous permet d'envelopper un client LLM existant en deux lignes de code, en rappelant automatiquement les souvenirs pertinents avant chaque appel et en retenant les conversations après. Cela couvre plus de 100 modèles via LiteLLM. ### Intégrations Hindsight est livré avec plus de 60 intégrations ne nécessitant aucune modification de code, notamment : - **Agents de codage** : Claude Code, Codex, Cursor, GitHub Copilot, Aider, Cline et autres — avec un package dédié pour la mémoire de projet par dépôt construite à partir de l'historique git. - **Frameworks d'agents** : LangGraph/LangChain, LlamaIndex, CrewAI, Pydantic AI, OpenAI Agents SDK, Google ADK, AutoGen, et plus encore. - **No-code/low-code** : n8n, Zapier, Dify, Flowise. - **Applications** : ChatGPT, Perplexity, Obsidian, Vapi, Pipecat. Chaque serveur expose également un endpoint MCP intégré à `/mcp/{bank_id}/`, permettant à tout client MCP d'utiliser retain, recall et reflect comme outils. ## Fonctionnalités clés - **Multilingue par défaut** : la langue d'entrée est détectée et préservée ; les entités conservent leur écriture native (par exemple, 张伟 reste 张伟). - **Memory Defense** : une politique opt-in par banque qui analyse chaque retain à la recherche de secrets et de données personnelles selon 45 motifs, en masquant ou bloquant les correspondances avant le stockage. - **Banques de mémoire** : stockages de mémoire isolés par utilisateur, agent ou projet, avec une stricte absence de fuite entre les banques. Les banques peuvent porter des traits de disposition (scepticisme, littéralisme, empathie) qui façonnent le raisonnement de reflect. - **Prêt pour la production** : PostgreSQL avec pgvector ou Oracle AI Database pour le stockage, surveillance Prometheus, CLI d'administration pour les opérations, webhooks pour les événements de cycle de vie, et points d'extension pour les locataires/authentification/stockage. - **Pages de connaissances** : documents vivants qu'une banque écrit sur elle-même, organisés comme un wiki et projetables sous forme de fichiers markdown. ## Revendications de performance Selon le README, Hindsight a atteint des performances de pointe sur le benchmark LongMemEval en janvier 2026. Les données de benchmark ont été reproduites indépendamment par des chercheurs du Sanghani Center de Virginia Tech et du Washington Post ; les autres scores sont auto-déclarés par les fournisseurs. Les résultats en direct sont publiés sur benchmarks.hindsight.vectorize.io.