如何给 AI Agent 加上长期记忆：Hindsight 记忆系统快速指南

如何给 AI Agent 加上长期记忆Hindsight 记忆系统快速指南【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight你大概遇到过这种情况AI 助手这周聊得挺好下周再打开就像换了个人——项目背景、你踩过的坑、它的偏好全都不记得了。Hindsight 就是一个给 AI Agent 用的记忆系统名字取自后见之明它不只替你存档聊天记录而是把交互里的信息提炼成可复用的知识让 Agent 随着使用越变越好用。先说清楚它是什么不是什么Hindsight 是一个可自托管的记忆服务你负责把交互内容丢给它它负责存储、检索和归纳背后是 PostgreSQL内置 pg0 嵌入式库也行前面挂 LLM 做事实提取。它不是向量数据库也不是一条 RAG 管线——你不用自己写分块、嵌入和召回逻辑。它也不只是存历史而是在原始事实之上多长了两层observations观察和 mental models心智模型这部分后面细说。记忆在 Hindsight 里如何运转 记忆的产生retain 把对话变成结构化事实你调用retain传入一段内容对话、文档、事件都行后台的 LLM 会从里面抽出关键事实、时间、实体和关系再归一化成实体 关系 时间序列的组合写进 memory bank。bank 是隔离的记忆库一个用户、一个 Agent 或一个项目各用一个严格互不串读。记忆的调用recall 找得到reflect 想得深recall是查找它并行跑四条检索策略——语义向量、BM25 关键词、实体/因果图、时间范围合并后用 RRF 融合排序再过一遍 cross-encoder 重排最后按你的 token 预算裁剪。问六月发生了什么这种带时间的问题它也能接住。reflect是分析当问题需要综合推理而不只是查表时比如这个项目有哪些风险要提前处理它会沿着心智模型 → 观察 → 原始事实的阶梯逐层取用记忆生成带依据的结论而不是把相关句子拼给你。记忆的沉淀从散点到观察再到心智模型存进去的事实不会一直摊成扁平的一堆。后台会持续做整合相关事实被合并成 observation——去重后的信念每条都保留原始引文和证据计数新证据来了是修订旧信念而不是悄悄覆盖它。心智模型则是你手动指定的常备答案比如给 bank 定一个问题这个用户的偏好是什么Hindsight 会写好答案存下来后台随新知识自动改写。读取它只是一次数据库查询没有检索、没有 LLM 调用——Agent 启动时直接加载一份现成的、已沉淀的知识而不用每次现算。三步跑起来 一条命令装好服务Docker 是最省事的方式本地起一个带 API8888 端口和 UI9999 端口的服务export OPENAI_API_KEYsk-xxx docker run -it --pull always --name hindsight -p 8888:8888 -p 9999:9999 -e HINDSIGHT_API_LLM_API_KEY$OPENAI_API_KEY -v hindsight-data:/home/hindsight/.pg0 ghcr.io/vectorize-io/hindsight:latest不想起服务也可以pip install hindsight-all进程内嵌一个服务器本地开发很合适。最小示例存一条、查一条from hindsight_client import Hindsight client Hindsight(base_urlhttp://localhost:8888) client.retain(bank_idmy-bank, contentAlice works at Google) print(client.recall(bank_idmy-bank, queryWhere does Alice work?))接入现有 Agent两行代码的包装器如果你已有基于 OpenAI SDK 的应用装hindsight-litellm后用wrap_openai包住现有 client每次调用前自动 recall 相关记忆、调用后自动 retain 对话其他代码不用动。Anthropic SDK 有对应的wrap_anthropic。不想自己接的话仓库里有 60 多个现成集成LangGraph、CrewAI、Claude Code、n8n、Dify 等而且每个 server 自带 MCP 端点/mcp/{bank_id}/任何 MCP 客户端可以直接把 retain、recall、reflect 当工具调用。你可能遇到的三种场景 场景一编码 Agent 忘了项目的事。你换了个终端Claude Code 或 Codex 又开始问这个项目怎么组织的。装上vectorize-io/hindsight-coding-agents后它会从 git 历史和历史会话自动建一个 per-repo 的 bankAgent 开工前把项目记忆和架构、约定的知识页注入上下文不用再从零摸索。场景二多用户聊天机器人互相串门。一个 bot 服务很多用户A 的偏好被 B 看到就尴尬了。做法是按用户建 metadata 隔离retain 时打上用户标记recall 时按标记过滤每个用户的记忆只在自己的范围内可检索心智模型也受同样的作用域约束。场景三想知道为什么而不只是是什么。销售 Agent 发出几十条外联消息一部分有回复、一部分石沉大海。让它 reflect 一下哪些消息有回复、为什么它会综合历史记忆给出归因分析——这种跨条目的因果归纳纯关键词检索给不出来。强在哪有数据的地方在长期记忆评测 LongMemEval 上Hindsight 目前处于榜首水平而且这组数据被 Virginia Tech 和 The Washington Post 的研究方独立复现过不是自说自话。部署侧同样灵活25 个以上 LLM 提供商含 Ollama 这类纯本地选项、Docker / pip / Helm 三种自托管方式、PostgreSQL 或 Oracle 存储还有多语言保真中文名不会被音译和可选的 PII 脱敏策略。继续深挖 想读细节的话从这里入手retain 与检索机制hindsight-docs/docs/developer/retain.md、hindsight-docs/docs/developer/retrieval.md心智模型与知识页hindsight-docs/docs/developer/mental-models.mdx先跑一条docker run给你的 Agent 建第一个 bank剩下的让记忆自己积累。项目方还在持续加集成和评测值得保持关注。【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