Hindsight冲上GitHub趋势第一：它要的不是记得住，是学得会

Hindsight一天涨了1607颗星，坐上GitHub趋势第一，总数27710。这是Vectorize.io做的agent记忆系统，MIT协议，而它的切入点是大多数记忆项目跳过的一个区分：记住对话历史和从经验里学东西，是两件事，而今天在跑的东西几乎全在干第一件。

结构就是顺着这个来的。它不把东西堆成一坨没有区别的向量块，而是分类型存——世界事实、经历、观察、心智模型——再用三个操作搬运：retain（记）、recall（取）、reflect（想）。检索是四路并行：语义向量、BM25关键词、基于实体和时间关系的图、纯时间过滤。为什么要四路？因为任何单独一路都会在某一类可预测的问题上翻车。存储用Postgres加pgvector，企业场景也支持Oracle AI Database 23ai。记忆之间用bank做隔离。客户端给了Python、TypeScript、Go和CLI，还带一个MCP server。

有个工程细节值得单独说：它接25个以上的模型提供方，其中四个走的是订阅而不是API key——claude-code、openai-codex、cursor、github-copilot。你已经在付Claude Pro或者ChatGPT Plus的钱，那这个记忆层就跑在你那个席位上，不额外产生API账单。对于想在自己机器上先搭个记忆系统玩玩的人来说，最大的那个不做的理由没了。

数字方面要留个心眼。Hindsight宣称在LongMemEval上是SOTA，自称是测过的最准的agent记忆系统。这里它做了一件少见的好事：结果由弗吉尼亚理工Sanghani中心和华盛顿邮报独立复现过，而同一张图里其他家的分数全是厂商自报。但那张对比表上标着"截至2026年1月"，现在是9月底。在这个领域里，八个月等于好几辈子。真要看数，去benchmarks.hindsight.vectorize.io看实时榜，别信README里那张图。

仓库：https://github.com/vectorize-io/hindsight 文档：https://hindsight.vectorize.io/ 论文是arXiv 2512.12818。