vectorize-io/hindsight: bộ nhớ dài hạn cho AI agent — hướng dẫn cài đặt và dùng
Bài này là một góc nhìn khác về vectorize-io/hindsight — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: Hindsight: bộ nhớ giúp AI agent học dần theo thời gian — hướng dẫn cài đặt và dùng →

Tóm tắt nhanh
Hindsight là hệ thống bộ nhớ dài hạn cho AI agent, tập trung giúp agent học từ dữ liệu và trải nghiệm thay vì chỉ nhớ lịch sử trò chuyện. Bạn có thể chạy bằng Docker, pip, Helm hoặc dùng dịch vụ quản lý; cách đơn giản nhất là chạy Docker rồi kết nối bằng Python hoặc Node.js.
Hindsight là một hệ thống bộ nhớ cho AI agent, giúp agent ghi nhớ thông tin, tìm lại dữ liệu liên quan và suy luận từ nhiều ký ức theo thời gian. Repo này phù hợp khi bạn muốn chatbot hoặc trợ lý AI giữ được ngữ cảnh giữa nhiều lần làm việc.
Điểm đáng giá nhất là Hindsight không chỉ lưu rồi tìm lại đoạn hội thoại. Nó tổ chức thông tin thành sự kiện, sự thật, trải nghiệm, quan hệ và dữ liệu thời gian. Nhờ vậy, agent có thể trả lời các câu hỏi cần ghép nối nhiều mẩu thông tin, thay vì chỉ tìm một đoạn văn giống từ khóa.
Hindsight viết chủ yếu bằng Python, có giấy phép MIT và hiện có khoảng 60.792 sao cùng 7.362 fork. Repo vẫn còn được cập nhật. Bạn có thể tự chạy trên máy, triển khai bằng Docker hoặc Kubernetes, dùng bản nhúng không cần server, hoặc kết nối qua nhiều SDK và tích hợp có sẵn.
vectorize-io/hindsight
Hindsight giúp AI agent ghi nhớ, tìm lại và suy luận từ thông tin qua nhiều phiên làm việc.
I.Hindsight làm được gì
A.Ghi nhớ thông tin lâu dài cho agent
Bạn gửi thông tin vào thao tác retain. Hindsight dùng LLM để trích xuất sự thật, thực thể, quan hệ và dữ liệu thời gian từ nội dung đó. Ví dụ, câu “Alice được thăng chức lên kỹ sư cấp cao” có thể trở thành một ký ức có ngữ cảnh nghề nghiệp và thời điểm.
Lợi ích thực tế là agent không phải nhận lại toàn bộ lịch sử mỗi lần người dùng hỏi. Bạn có thể lưu sở thích, thay đổi công việc, quyết định dự án hoặc kết quả của các phiên làm việc trước.
B.Tìm lại bằng nhiều chiến lược
Thao tác recall tìm ký ức theo bốn hướng song song: tương đồng ngữ nghĩa, từ khóa chính xác, liên kết thực thể hoặc thời gian, và lọc theo mốc thời gian. Các kết quả được hợp nhất, xếp hạng lại rồi cắt theo giới hạn token.
Điều này hữu ích khi câu hỏi không dùng đúng từ trong dữ liệu gốc. Bạn cũng có thể hỏi theo thời gian, chẳng hạn “Chuyện gì xảy ra trong tháng Sáu?” thay vì chỉ tìm một từ khóa cụ thể.
C.Phân tích sâu bằng Reflect
Thao tác reflect dùng các ký ức hiện có để phân tích kỹ hơn, tạo liên hệ mới và hình thành hiểu biết tổng quát hơn. Đây là lựa chọn phù hợp cho câu hỏi cần suy luận, ví dụ “Tôi nên biết gì về Alice?”
Bạn nên dùng recall cho việc tra cứu nhanh. Dùng reflect khi agent cần tổng hợp nhiều dữ kiện hoặc đưa ra câu trả lời có chiều sâu hơn.
D.Tổ chức ký ức theo nhiều lớp
Hindsight phân biệt world facts, experiences, observations và mental models. World facts là sự thật về thế giới. Experiences là trải nghiệm của chính agent. Observations là niềm tin được củng cố từ nhiều ký ức. Mental models là cách hiểu đã được học về thế giới của agent.
Các ký ức được lưu trong những memory bank. Mỗi bank có thể đại diện cho một người dùng, một dự án, một agent hoặc một không gian làm việc riêng. Cách tổ chức này giúp tách dữ liệu và giảm nguy cơ trộn lẫn bối cảnh.
E.Tích hợp với agent đang có
Hindsight có LLM Wrapper cho OpenAI và Anthropic SDK. Với wrapper, agent tự recall ký ức trước mỗi lần gọi mô hình và retain cuộc trò chuyện sau đó. Bạn không phải sửa nhiều phần còn lại của chương trình.
Nếu muốn kiểm soát chính xác lúc nào lưu hoặc truy xuất, bạn có thể dùng SDK hoặc REST API trực tiếp. Repo cũng có tích hợp cho nhiều framework agent, công cụ no-code hoặc low-code, coding agent và ứng dụng khác.
F.Hỗ trợ MCP và coding agent
Mỗi server có sẵn MCP endpoint theo từng bank. MCP client có thể dùng các công cụ retain, recall và reflect của Hindsight.
Repo cũng cung cấp gói cho coding agent. Gói này tạo bank riêng cho từng repository, lấy thông tin từ lịch sử Git và các phiên làm việc trước, sau đó đưa kiến thức liên quan vào lúc agent bắt đầu làm việc.
G.Có nhiều cách triển khai
Bạn có thể chạy server bằng Docker, chạy trực tiếp bằng pip, cài bằng Helm trên Kubernetes hoặc dùng Hindsight Cloud. Nếu chỉ muốn thử trong một chương trình Python, gói hindsight-all cung cấp server nhúng nên không cần tự chạy server riêng.
Hindsight hỗ trợ hơn 25 nhà cung cấp LLM, gồm các dịch vụ hosted, mô hình chạy cục bộ, endpoint tương thích OpenAI và gateway. Một số subscription như ChatGPT Plus/Pro, Claude Pro/Max, Cursor và GitHub Copilot có thể dùng qua provider tương ứng mà không cần API key riêng theo README.
II.Cần chuẩn bị gì
Bạn cần một máy chạy Linux, macOS hoặc Windows. README ghi rõ Docker hỗ trợ Linux x86_64, Linux ARM64, macOS Apple Silicon, macOS Intel và Windows x86_64. Bare metal bằng pip được ghi là hỗ trợ Linux, macOS và Windows; bản embedded DB cũng được hỗ trợ trên các nền tảng này.
Nếu dùng Docker, bạn cần có Docker. Nếu dùng cách pip, bạn cần Python và pip. README không nêu một phiên bản Python cụ thể, nên không nên tự áp đặt một phiên bản khi chuẩn bị môi trường.
Bạn cần quyền truy cập vào một LLM provider. Cách mẫu trong README dùng OpenAI API key qua biến OPENAI_API_KEY hoặc HINDSIGHT_API_LLM_API_KEY. Hindsight cũng có biến chọn provider và model. Các biến cấu hình được nêu trong .env.example gồm:
HINDSIGHT_API_LLM_PROVIDERHINDSIGHT_API_LLM_API_KEYHINDSIGHT_API_LLM_MODELHINDSIGHT_API_HOSTHINDSIGHT_API_PORTHINDSIGHT_API_LOG_LEVEL
Nếu dùng Docker với PostgreSQL bên ngoài, bạn cần đặt HINDSIGHT_DB_PASSWORD theo lệnh mẫu. Nếu dùng Kubernetes, bạn cần Helm.
Nếu dùng Hindsight Cloud, bạn cần tài khoản và API key của dịch vụ. README mô tả đây là lựa chọn quản lý sẵn, có hạ tầng tự mở rộng, dashboard, backup, cộng tác nhóm và SLA uptime 99,9%. Chi phí sử dụng theo mức dùng, có credit miễn phí ban đầu và không có phí cố định theo tháng hoặc theo chỗ ngồi.
API key có thể phát sinh chi phí từ nhà cung cấp LLM. Không đưa key vào mã nguồn, không chia sẻ key trong đoạn chat hoặc commit vào Git. Nếu dữ liệu chứa thông tin khách hàng, hãy kiểm tra chính sách lưu trữ và quyền truy cập trước khi đưa vào bank.
III.Cài đặt từng bước
- Chọn cách triển khaiChọn Docker, pip, Helm, embedded hoặc Hindsight Cloud
- Khởi động HindsightCấu hình provider và chạy server hoặc server nhúng
- Cài clientCài SDK Python, Node.js, Go hoặc CLI
- Ghi và đọc ký ứcDùng retain, recall và reflect với một bank
- Kết nối agentDùng wrapper, MCP hoặc tích hợp coding agent nếu cần
A.Chọn cách chạy phù hợp
Với người mới, Docker là lựa chọn dễ thử nhất vì README có sẵn lệnh chạy server và cổng truy cập. Nếu bạn chỉ viết một chương trình Python nhỏ, bản embedded cũng tiện vì không cần quản lý server riêng.
Windows cũng nằm trong danh sách nền tảng được hỗ trợ. README không đưa một bộ lệnh Windows PowerShell riêng cho Docker, nên bạn cần chạy các lệnh Docker trong môi trường có Docker hoạt động và điều chỉnh cú pháp biến môi trường nếu terminal của bạn không dùng cú pháp shell kiểu Unix.
B.Chạy bằng Docker
Đặt API key vào biến môi trường rồi chạy container:
export OPENAI_API_KEY=sk-xxx
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:latestLệnh này tải image mới nhất, đặt tên container là hindsight, tự khởi động lại container, mở cổng API 8888 và cổng UI 9999. Volume hindsight-data giúp dữ liệu được lưu ngoài vòng đời tạm thời của container.
Sau khi chạy, API ở http://localhost:8888 và UI ở http://localhost:9999. Nếu terminal báo không có Docker, hãy kiểm tra Docker đã được cài và daemon đang chạy. Nếu cổng đã bị chương trình khác dùng, bạn cần xử lý xung đột cổng trước khi khởi động lại.
C.Chạy với PostgreSQL bên ngoài
Nếu muốn dùng PostgreSQL bên ngoài, README cung cấp cách chạy Docker Compose:
export OPENAI_API_KEY=sk-xxx
export HINDSIGHT_DB_PASSWORD=choose-a-password
cd docker/docker-compose
docker compose upBạn cần chạy lệnh cd từ thư mục gốc của repository, nơi có thư mục docker. Biến HINDSIGHT_DB_PASSWORD là mật khẩu bạn tự chọn cho cấu hình này. Không dùng nguyên chuỗi mẫu choose-a-password cho môi trường thật nếu đó chỉ là giá trị minh họa.
README cũng ghi Oracle AI Database được hỗ trợ cho triển khai doanh nghiệp với đầy đủ tính năng, nhưng phần hướng dẫn chi tiết không nằm trong nội dung được cung cấp ở đây.
D.Chạy trực tiếp bằng pip
Cài server API rồi khởi động:
pip install hindsight-api
export HINDSIGHT_API_LLM_API_KEY=sk-xxx
hindsight-apipip install hindsight-api cài gói server. Biến HINDSIGHT_API_LLM_API_KEY cung cấp key cho LLM. Lệnh hindsight-api khởi động server.
README không ghi rõ một phiên bản Python cụ thể hoặc cách tạo môi trường ảo. Nếu máy bạn có nhiều bản Python, hãy chắc rằng pip và lệnh chạy gói trỏ tới cùng môi trường Python.
E.Cài bằng Helm trên Kubernetes
Nếu bạn đã có một cluster Kubernetes và Helm, dùng lệnh sau:
helm install hindsight oci://ghcr.io/vectorize-io/charts/hindsight \
--set api.llm.provider=openai \
--set api.llm.apiKey=sk-xxx \
--set postgresql.enabled=trueLệnh này cài chart tên hindsight, chọn provider OpenAI, truyền API key và bật PostgreSQL đi kèm. Không nên ghi API key trực tiếp vào lịch sử shell hoặc file cấu hình công khai trong môi trường thật.
F.Chạy bản Python embedded
Cài gói embedded:
pip install hindsight-all -UTrên máy Mac Intel x86_64, README yêu cầu dùng hindsight-all-slim thay thế và xem hướng dẫn cài đặt của dự án để biết chi tiết tương thích.
Sau đó, bạn có thể khởi tạo server trong cùng chương trình:
import os
from hindsight import HindsightServer, HindsightClient
with HindsightServer(
llm_provider="openai",
llm_model="gpt-5-mini",
llm_api_key=os.environ["OPENAI_API_KEY"]
) as server:
client = HindsightClient(base_url=server.url)
client.retain(bank_id="my-bank", content="Alice works at Google")
results = client.recall(bank_id="my-bank", query="Where does Alice work?")Điểm cần nhớ là biến OPENAI_API_KEY phải tồn tại trước khi chạy chương trình. HindsightServer được dùng trong khối with, vì vậy server nhúng được quản lý trong phạm vi chạy của chương trình.
G.Cài client
Nếu server đã chạy, cài client theo ngôn ngữ bạn dùng:
pip install hindsight-client -U # Python
npm install @vectorize-io/hindsight-client # Node.js / TypeScript
go get github.com/vectorize-io/hindsight/hindsight-clients/go # Go
curl -fsSL https://hindsight.vectorize.io/get-cli | bash # CLIKhông cần cài tất cả. Chọn đúng dòng cho dự án của bạn. Với Node.js, README chỉ ghi lệnh cài package chứ không nêu phiên bản Node.js cụ thể.
IV.Kiểm tra đã chạy được chưa
Với Docker, kiểm tra hai địa chỉ mà README cung cấp: API là http://localhost:8888, UI là http://localhost:9999. Nếu UI mở được và container không dừng ngay, server đã khởi động ở mức cơ bản.
Kiểm tra tiếp bằng một đoạn Python tối giản:
from hindsight_client import Hindsight
client = Hindsight(base_url="http://localhost:8888")
client.retain(bank_id="my-bank", content="Alice works at Google as a software engineer")
client.recall(bank_id="my-bank", query="What does Alice do?")
client.reflect(bank_id="my-bank", query="Tell me about Alice")Kết quả mong đợi là ba lệnh gọi được gửi tới server mà không báo lỗi kết nối. retain lưu thông tin, recall tìm ký ức và reflect tạo phân tích từ ký ức đã lưu.
Bạn cũng có thể kiểm tra bằng Node.js:
const { HindsightClient } = require('@vectorize-io/hindsight-client');
const main = async () => {
const client = new HindsightClient({ baseUrl: 'http://localhost:8888' });
await client.retain('my-bank', 'Alice loves hiking in Yosemite');
const results = await client.recall('my-bank', 'What does Alice like?');
console.log(results);
}
main();Nếu chương trình in ra kết quả recall và không gặp lỗi kết nối tới localhost:8888, client đã giao tiếp được với server.
V.Dùng vào việc thật
A.Trợ lý chăm sóc khách hàng nhớ lịch sử khách
Một chủ shop có thể tạo bank riêng cho từng khách hoặc từng nhóm khách. Sau mỗi cuộc trò chuyện, chương trình gửi thông tin như sở thích, sản phẩm đã mua hoặc yêu cầu trước đó bằng retain.
Khi khách quay lại, agent dùng recall với câu hỏi “Khách này từng quan tâm sản phẩm nào?” rồi dùng kết quả để trả lời. Nếu cần tổng hợp đầy đủ hơn, dùng reflect với câu hỏi “Tôi nên biết gì về khách này trước khi tư vấn?”
Lợi ích là nhân viên không phải đọc thủ công toàn bộ lịch sử. Tuy vậy, dữ liệu khách hàng nên được phân quyền cẩn thận theo bank và chính sách của doanh nghiệp.
B.Nhân viên văn phòng tra cứu quyết định trong dự án
Một nhóm có thể lưu biên bản họp, quyết định thay đổi và các mốc công việc vào bank của dự án. Nội dung nên kèm ngữ cảnh, chẳng hạn “quyết định sản phẩm” hoặc “thay đổi quy trình”.
Khi cần hỏi “Vì sao nhóm chọn phương án này?” hoặc “Chuyện gì xảy ra trong tháng Sáu?”, nhân viên gọi recall. Khả năng tìm theo liên kết, từ khóa và thời gian giúp câu hỏi tự nhiên hơn so với việc chỉ tìm một cụm từ chính xác.
C.Dev thêm bộ nhớ cho chatbot hiện có
Một lập trình viên đang dùng OpenAI SDK có thể cài wrapper:
pip install hindsight-litellmSau đó bọc client:
from openai import OpenAI
from hindsight_litellm import wrap_openai
client = wrap_openai(
OpenAI(),
bank_id="user-123",
hindsight_api_url="http://localhost:8888",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "What do you know about me?"}],
)Wrapper tự recall ký ức trước khi gọi mô hình và retain cuộc trò chuyện sau đó. Dev không cần tự viết toàn bộ phần nối bộ nhớ vào từng lần gọi LLM. Nếu cần kiểm soát chi tiết hơn, hãy dùng SDK hoặc REST API trực tiếp.
D.Coding agent nhớ kiến trúc repository
Dev có thể cài tích hợp cho các coding agent:
npx @vectorize-io/hindsight-coding-agents install all # every detected agent, wired natively
npx @vectorize-io/hindsight-coding-agents install claude-code # or just oneLựa chọn all cài cho mọi agent được phát hiện. Lựa chọn claude-code chỉ cài cho Claude Code. Repo mô tả rằng bank theo repository được tạo từ lịch sử Git và phiên làm việc trước, sau đó kiến thức phù hợp được đưa vào lúc agent bắt đầu làm việc.
Cách này phù hợp với dự án có quy ước riêng, kiến trúc phức tạp hoặc nhiều người thay phiên làm việc. README ghi việc ingestion là tự động và không có lệnh setup riêng.
E.Kết nối qua MCP
Nếu bạn đang dùng MCP client, endpoint mặc định có dạng:
http://localhost:8888/mcp/{bank_id}/Thay {bank_id} bằng bank muốn kết nối. MCP client có thể dùng retain, recall và reflect như các tool. Cách này phù hợp khi agent đã hỗ trợ MCP và bạn muốn dùng bộ nhớ mà không viết integration riêng.
Bộ nhớ tốt không chỉ giúp agent nhớ câu cũ; nó giúp agent hiểu điều gì đã học và dùng lại đúng lúc.
Ông T
VI.Lỗi hay gặp và cách xử lý
A.API key chưa được truyền vào server
Nếu container hoặc lệnh hindsight-api khởi động nhưng các thao tác cần LLM thất bại, hãy kiểm tra biến HINDSIGHT_API_LLM_API_KEY hoặc OPENAI_API_KEY đã được đặt trong đúng terminal chưa. Tên biến cần khớp với cách triển khai bạn chọn.
Không nên đặt key vào mã nguồn. Hãy truyền qua biến môi trường hoặc cấu hình secret phù hợp với môi trường triển khai.
B.Client gọi sai địa chỉ server
Client mẫu dùng http://localhost:8888. Nếu bạn chạy server ở máy khác, qua Kubernetes hoặc Hindsight Cloud, địa chỉ này không còn đúng. Hãy đổi base_url hoặc hindsight_api_url theo endpoint thực tế của bạn.
Lỗi kết nối cũng có thể xảy ra khi container chưa chạy hoặc cổng API không được mở.
C.Cổng 8888 hoặc 9999 đã bị dùng
Docker mẫu ánh xạ API qua cổng 8888 và UI qua cổng 9999. Nếu một chương trình khác đang dùng các cổng này, container có thể không khởi động đúng.
Kiểm tra các chương trình đang dùng cổng, dừng chương trình gây xung đột hoặc điều chỉnh ánh xạ cổng theo cấu hình Docker phù hợp. Khi đổi cổng bên ngoài, nhớ cập nhật base_url của client.
D.Chạy sai gói trên Mac Intel
README cảnh báo Mac Intel x86_64 cần dùng hindsight-all-slim thay cho hindsight-all trong cách chạy embedded. Nếu cài sai gói, hãy kiểm tra kiến trúc máy và làm theo lựa chọn slim trong hướng dẫn nền tảng của dự án.
E.Dùng nhầm bank hoặc gọi recall trước retain
recall chỉ có thể tìm những gì đã được gửi vào đúng bank. Hãy kiểm tra bank_id ở lệnh retain và recall có giống nhau không.
Nếu đang thử lần đầu, hãy retain một câu đơn giản như thông tin về Alice rồi mới hỏi lại bằng recall. Với câu hỏi cần suy luận rộng, thử reflect thay vì chỉ dùng recall.
VII.Có nên dùng không
Hindsight đáng thử nếu bạn đang xây agent cần nhớ lâu dài qua nhiều phiên, cần truy xuất theo ngữ nghĩa lẫn thời gian, hoặc muốn tích hợp nhanh với coding agent, MCP và các framework phổ biến. Có nhiều lựa chọn triển khai, từ Docker, pip, embedded đến Kubernetes và dịch vụ quản lý. MIT license, SDK cho Python, Node.js và Go, cùng số lượng tích hợp lớn cũng là điểm thuận lợi.
Cách phân biệt retain, recall và reflect khá rõ. Bạn có thể bắt đầu bằng SDK trực tiếp để kiểm soát dữ liệu, rồi chuyển sang wrapper khi muốn thêm bộ nhớ vào agent hiện có với ít thay đổi.
Giới hạn là hệ thống phụ thuộc vào LLM provider. Bạn cần cấu hình provider, model và key phù hợp; chi phí và quyền xử lý dữ liệu còn phụ thuộc dịch vụ bạn chọn. README được cung cấp cũng không nêu một phiên bản Python hoặc Node.js cụ thể, nên bạn có thể phải kiểm tra thêm hướng dẫn cài đặt của dự án khi gặp vấn đề tương thích.
Nếu nhu cầu chỉ là tìm kiếm văn bản đơn giản trong một tập tài liệu nhỏ, Hindsight có thể nhiều thành phần hơn cần thiết. Khi đó, một công cụ tìm kiếm hoặc cơ sở dữ liệu đơn giản có thể dễ vận hành hơn. Nhưng nếu mục tiêu là xây agent biết học từ trải nghiệm, kết nối nhiều ký ức và dùng lại kiến thức trong các phiên sau, Hindsight là một lựa chọn đáng cân nhắc.
Câu hỏi thường gặp
Hindsight có miễn phí không?
Repo có giấy phép MIT. README cũng cung cấp các cách tự chạy bằng Docker, pip và embedded. Nếu dùng Hindsight Cloud hoặc LLM provider, chi phí sẽ phụ thuộc dịch vụ; Cloud được mô tả là tính phí theo mức dùng và có credit miễn phí ban đầu.
Có cần GPU để chạy Hindsight không?
Tư liệu được cung cấp không nói Hindsight bắt buộc cần GPU. README có các cách chạy bằng Docker, pip và embedded, đồng thời hỗ trợ nhiều provider hosted, local và endpoint tương thích OpenAI. Vì không có thông tin phần cứng chi tiết hơn, chưa thể kết luận yêu cầu GPU cho từng provider.
Hindsight có chạy được trên Windows không?
Có. README ghi Windows x86_64 được hỗ trợ cho Docker, bare metal bằng pip và embedded DB. Phần lệnh mẫu chủ yếu dùng cú pháp shell kiểu Unix, nên trên Windows bạn có thể cần điều chỉnh cách đặt biến môi trường theo terminal đang dùng.
Có bắt buộc phải dùng OpenAI không?
Không. README ghi Hindsight hỗ trợ hơn 25 LLM provider, gồm OpenAI, Anthropic, Gemini, Groq, Bedrock, Vertex AI, Ollama, LM Studio, llama.cpp, endpoint tương thích OpenAI và một số gateway. Lệnh mẫu dùng OpenAI nhưng đây chỉ là một lựa chọn.
Dữ liệu lưu trong Hindsight có an toàn không?
Tư liệu cho biết Docker có volume để lưu dữ liệu và Hindsight hỗ trợ tự triển khai, nhưng không cung cấp cam kết bảo mật chung cho mọi cấu hình. Bạn cần tự kiểm soát quyền truy cập, API key, bank và chính sách lưu dữ liệu, nhất là khi đưa thông tin khách hàng vào hệ thống.
Tôi có cần chạy server riêng không?
Không bắt buộc. Bạn có thể dùng gói Python `hindsight-all` với `HindsightServer` nhúng trong chương trình. Ngoài ra, README cung cấp Hindsight Cloud nếu bạn không muốn tự triển khai hạ tầng.
Hindsight khác gì một hệ thống RAG thông thường?
Theo README, Hindsight tập trung vào agent học theo thời gian thay vì chỉ nhớ hoặc truy xuất lịch sử hội thoại. Nó kết hợp memory bank, world facts, experiences, observations, mental models cùng các chiến lược semantic, keyword, graph và temporal. Tư liệu không đưa bảng so sánh chi tiết với từng công cụ RAG cụ thể.


