📌 项目日期：2026年11月 | 数据来源：GitHub官方仓库 | 星数：60,063+
Agent记忆赛道的新王者：Hindsight（Vectorize出品，6万星）。它的自我定位与所有竞品划清界限："Most agent memory systems focus on recalling conversation history. Hindsight is focused on making agents that learn, not just remember."——大多数记忆系统在"回忆对话历史"，Hindsight 在"让Agent学习"。官方宣称消除了 RAG 与知识图谱两类技术的短板，在长期记忆任务上SOTA。
新发布的 Hindsight Models（2026-11-03）：专为Agent记忆构建的决策、重排与嵌入模型，开放权重在HuggingFace。Agent记忆三路线对照：学习型Hindsight、审计型 OKF Agent Memory、持续学习基础设施 Reef。
| 方案 | 哲学 | 适合 |
|---|---|---|
| Hindsight | 会学习的记忆（专用模型） | 要记忆质量与长期效果 |
| OKF Agent Memory | Git纯文本记忆（审计优先） | 要可审计可版本控制 |
| Reef | 服务端持续学习基础设施 | 有持续流量要权重进化 |
git clone https://github.com/vectorize-io/hindsight.git
# Hindsight Models 开放权重：
# huggingface.co/hindsight-ai（决策/重排/嵌入）
# 或托管：Hindsight InferenceVectorize出品的Agent记忆系统（6万星）：定位是"让Agent学习，而不只是记住"——消除RAG与知识图谱两类技术的短板，在长期记忆任务上达到SOTA。
2026年11月3日发布的决策/重排/嵌入模型家族——专为Agent记忆构建，开放权重在HuggingFace（hindsight-ai），或托管在Hindsight Inference。
OKF是"Git里的纯文本记忆"（审计优先）；Hindsight是"会学习的记忆系统"（效果优先，自带模型）——审计需求选OKF，学习效果选Hindsight。