Hindsight
Система долговременной памяти для AI-агентов: агент сохраняет опыт и факты, а затем находит их через встроенный MCP-сервер
Высокий риск
Высокий уровень ставим, когда инструмент пишет во внешние системы, работает с деньгами, рабочими базами или секретами либо выполняет произвольные команды. CLI поставит его только после вашего согласия.
Почему такой уровень
- Требует ключей провайдеров LLM и работает с секретами
- Отправляет содержимое памяти внешнему провайдеру LLM на обработку
- Поднимает постоянный сервер и базу данных, установщик для CLI-агентов читает историю git и прошлые сессии
Установка
Ручная установка
docker run -it --pull always --name hindsight --restart unless-stopped -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:latestРекомендованный запуск сервера в Docker. API на порту 8888, веб-интерфейс на 9999, данные в томе hindsight-data.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Hindsight дает агенту память, которая помимо истории диалога накапливает знания и опыт со временем. Сервер поднимается в Docker, через pip или в Kubernetes и хранит данные в PostgreSQL, а разработчик обращается к трем операциям: retain сохраняет информацию, recall ищет по памяти, reflect формирует ответ с учетом накопленного. Каждый сервер отдает встроенный MCP-эндпоинт для банка памяти, поэтому любой MCP-клиент получает эти операции как инструменты. Кроме MCP есть клиенты для Python, Node.js и Go, режим со встроенным сервером без отдельного процесса, обертка над LLM-клиентом в две строки и установщик памяти для CLI-агентов, который сам собирает банк из истории git и прошлых сессий. Память работает поверх более чем двадцати провайдеров LLM, включая локальные.
Для кого. Для разработчиков, которые строят AI-агентов и приложения на LLM и хотят дать им долговременную память.
Подходит, если
- Агенту нужно помнить факты и прошлый опыт между сессиями, а не только текущий диалог
- Нужна память, доступная агенту как MCP-инструменты retain, recall и reflect
- Нужно дать CLI-агенту память по проекту из истории git и прошлых сессий
Не подходит, если
- Достаточно короткого контекста в рамках одного диалога без внешнего хранилища
- Нет возможности поднять сервер и базу или подключить провайдера LLM
Пример запроса к агенту
Запомни, что этот сервис деплоим через docker compose, и напомни при следующем вопросе о деплоеОграничения
Это самостоятельно размещаемая инфраструктура: нужен запущенный сервер, PostgreSQL и ключ провайдера LLM, содержимое памяти уходит выбранному провайдеру на обработку. Поддерживаются локальные провайдеры (ollama, lmstudio, llamacpp) и любые OpenAI-совместимые эндпоинты, поэтому систему можно держать полностью локально. Есть платный облачный вариант Hindsight Cloud как альтернатива своему серверу. На Intel-Mac (x86_64) вместо hindsight-all ставится сборка hindsight-all-slim.
Как отключить. Остановите и удалите контейнер или процесс сервера и его том с данными, удалите установленные клиенты (pip или npm), а для CLI-агентов уберите добавленную интеграцию памяти из их настроек.
MCP
- Транспорт
- http
- Авторизация
- API-ключ
| Переменные окружения | |
|---|---|
| HINDSIGHT_API_LLM_API_KEY обязательная, секрет | Ключ выбранного провайдера LLM, на котором работает память. Для локальных провайдеров ключ может не требоваться. |
| HINDSIGHT_API_LLM_PROVIDER | Выбор провайдера LLM: openai, anthropic, gemini, ollama, lmstudio и другие. По умолчанию openai. |
| HINDSIGHT_DB_PASSWORD секрет | Пароль базы данных при запуске с внешним PostgreSQL через docker compose. |
Проверка безопасности
- Требует ключей провайдеров LLM и работает с секретами
- Отправляет содержимое памяти внешнему провайдеру LLM на обработку
- Поднимает постоянный сервер и базу данных, установщик для CLI-агентов читает историю git и прошлые сессии
Коротко о README
README представляет Hindsight как систему памяти для агентов, которая делает их обучаемыми, а не только помнящими историю. Заявлены высокие результаты на бенчмарке LongMemEval и использование в продакшене. Быстрый старт показывает запуск сервера в Docker, через pip и в Kubernetes, хранение в PostgreSQL и подключение клиентов на Python, Node.js, Go и через CLI. Описаны встроенный MCP-эндпоинт на каждый банк, обертка над LLM в две строки, встроенный режим без сервера и установщик памяти для CLI-агентов. Память работает более чем с двадцатью провайдерами LLM, включая локальные, лицензия MIT.
Частые вопросы
Как агент подключается к памяти?
Каждый сервер отдает встроенный MCP-эндпоинт для банка памяти по адресу вида http://localhost:8888/mcp/<bank_id>/. Направьте на него MCP-клиент, и операции retain, recall и reflect станут доступны как инструменты. Есть и клиенты для Python, Node.js и Go.
Можно ли обойтись без внешних облачных LLM?
Да. Кроме облачных провайдеров поддерживаются локальные (ollama, lmstudio, llamacpp) и любые OpenAI-совместимые эндпоинты, так что память можно держать полностью на своей инфраструктуре.
Похожие
Открытый личный AI-ассистент на своем компьютере: отвечает в Telegram, Slack, Discord и WhatsApp, расширяется скиллами и плагинами
Самообучающийся агент от Nous Research: терминал, мессенджеры, cron-задачи и скиллы, которые он пишет сам
Открытый агент для программирования в терминале и на десктопе с режимами разработки и планирования
Открытая библиотека промптов с плагином Claude Code, MCP-сервером и CLI: поиск, получение и улучшение промптов и скиллов из агента