ingest(other): hindsight memory-system (vectorize)

raw/other/2026-09-03_hindsight-vectorize-memory-system.md

@@ -0,0 +1,53 @@
+---
+type: other
+source_url: https://hindsight.vectorize.io/#what-hindsight-does
+retrieved: 2026-09-03
+title: "Hindsight — Memory-System für AI-Agents (Vectorize)"
+author: "Vectorize"
+tags: [agent-memory, memory-system, hindsight, vectorize, tempr, retrieval, consolidation, rag]
+---
+
+# Hindsight — Memory-System für AI-Agents (Vectorize)
+
+Quelle: https://hindsight.vectorize.io/#what-hindsight-does (Produkt-Übersichtsseite, abgerufen 2026-09-03). Geteilt von René Kl. in OME Topic „News & Infos“.
+
+## Positionierung laut Seite
+
+Hindsight adressiert das Problem, dass AI-Agents zwischen Sessions alles vergessen. Laut Seite reicht einfache Vektor-Suche nicht: temporale Fragen („Was hat Alice letzten Frühling gemacht?“), verknüpfte Fakten und Konsolidierung von Wissen werden als Kernprobleme genannt.
+
+## API laut Seite
+
+- `retain()` — Speichern von Informationen im Memory-Bank
+- `recall()` — Suchen und Abrufen
+- `reflect()` — Agentisches Reasoning mit Memory
+
+## Memory-Typen laut Seite
+
+| Typ | Inhalt | Beispiel |
+|---|---|---|
+| Mental Model | Nutzer-kuratierte Zusammenfassungen für häufige Fragen | „Team-Kommunikations-Best-Practices“ |
+| Observation | Automatisch konsolidiertes Wissen aus Fakten | „Nutzer war React-Enthusiast, ist jetzt zu Vue gewechselt“ |
+| World Fact | Objektive Fakten | „Alice arbeitet bei Google“ |
+| Experience Fact | Eigene Aktionen/Interaktionen des Banks | „Ich habe Bob Python empfohlen“ |
+
+Bei `reflect` werden Quellen in Prioritätsreihenfolge geprüft: Mental Models → Observations → Raw Facts.
+
+## Multi-Strategy Retrieval (TEMPR) laut Seite
+
+Vier Suchstrategien parallel: Semantic (konzeptuelle Ähnlichkeit), Keyword/BM25 (Namen, Fachbegriffe), Graph (verwandte Entitäten, indirekte Verbindungen), Temporal („letzten Frühling“, „im Juni“, Zeiträume).
+
+## Observation Consolidation laut Seite
+
+Nach dem Retain konsolidiert das System verwandte Fakten automatisch zu Observations: Deduplizierung überlappender Fakten, Evidence-Tracking (jede Observation referenziert Quell-Memories mit exakten Zitaten plus Proof-Count), kontinuierliche Verfeinerung (Updates statt Überschreiben, Historie bleibt erhalten), Freshness-Awareness (bei nicht konsolidierten neueren Memories gelten betroffene Observations als stale und werden gegen Raw Facts verifiziert).
+
+## Mission, Directives & Disposition laut Seite
+
+Memory-Banks sind konfigurierbar: Mission (natürlichsprachliche Identität), Directives (harte Regeln, z.B. „Nie Aktien empfehlen“, „Immer Quellen nennen“), Disposition (weiche Traits wie Skepsis/Literalität/Empathie auf Skala 1–5). Diese Einstellungen wirken nur auf `reflect`, nicht auf `recall`.
+
+## Deployment laut Seite
+
+Docker Compose, Helm oder pip; Quick Start in 60 Sekunden beworben; Integrations-Hub vorhanden.
+
+## Abgrenzung
+
+Die Seite ist eine Produkt-Übersicht (Marketing-Doku). Genannte Fähigkeiten sind Herstellerangaben; unabhängige Benchmarks, Fehlerraten oder Vergleichstests werden auf der Seite nicht geliefert.

wiki/index.md

@@ -2,7 +2,8 @@
 
 *Auto-generated: 2026-07-07*
 
-*Letzte Aktualisierung: 2026-09-02 (164. Update — „Was KI kann." mit Armin Ronacher: Transcript-Nachtrag (Audio-Briefing von HermanButlerBot, 16 Min, transkribiert via grok-stt). Raw: `raw/youtube/2026-09-02_was-ki-kann-ronacher-briefing-transcript.md` (neu). Wiki-Update: `concepts/agi/parasoziale-ki-bindungen.md` (von Metadata-only auf echten Inhalt gehoben: parasoziale E-Mails an Ronacher, „Agency lies with the human", Clanker-statt-Agent, 51 % Bot-Traffic, Einweg-Plastiksoftware, Gatekeeper/China/Europa, Sandbox-Ausbruch).)*
+*Letzte Aktualisierung: 2026-09-03 (165. Update — Hindsight: Memory-System für AI-Agents (Vectorize, 2026-09-03, OME „News & Infos", geteilt von René Kl.). Raw: `raw/other/2026-09-03_hindsight-vectorize-memory-system.md` (neu). Wiki-Update: `tools/hindsight-vectorize.md` (neu — retain/recall/reflect, TEMPR-Multi-Strategy-Retrieval, Observation-Consolidation, Mission/Directives/Disposition; Herstellerangaben, keine unabhängigen Benchmarks).)*
+*Vorherige Aktualisierung: 2026-09-02 (164. Update — „Was KI kann." mit Armin Ronacher: Transcript-Nachtrag (Audio-Briefing von HermanButlerBot, 16 Min, transkribiert via grok-stt). Raw: `raw/youtube/2026-09-02_was-ki-kann-ronacher-briefing-transcript.md` (neu). Wiki-Update: `concepts/agi/parasoziale-ki-bindungen.md` (von Metadata-only auf echten Inhalt gehoben: parasoziale E-Mails an Ronacher, „Agency lies with the human", Clanker-statt-Agent, 51 % Bot-Traffic, Einweg-Plastiksoftware, Gatekeeper/China/Europa, Sandbox-Ausbruch).)*
 *Vorherige Aktualisierung: 2026-09-02 (163. Update — „Was KI kann." mit Armin Ronacher: Parasoziale KI-Bindungen (2026-09-02, OME Topic „aGi / eMergence", gepostet von Kai, weitergeleitet von Herman). Raw: `raw/youtube/2026-09-02_was-ki-kann-ronacher-parasoziale-bindung.md` (neu — Metadata-only, kein Transcript; Themen aus OME-Chat-Zusammenfassung). Wiki-Update: `concepts/agi/parasoziale-ki-bindungen.md` (neu), `people/armin-ronacher.md` (neu), `people/florian-zsifkovics.md` (neu), `institutions/earendil.md` (neu), `institutions/sentry.md` (neu).)*
 *Vorherige Aktualisierung: 2026-09-02 (162. Update — DeepSeek Harness (DSH): Detail-Zusammenfassung (HermanButlerBot, 2026-09-02, OME „News & Infos"). Raw: `raw/other/2026-09-02_herman-deepseek-harness-dsh-summary.md` (neu — Second-hand-Video-Zusammenfassung, Zahlen nicht unabhängig verifiziert). Wiki-Update: `concepts/llm/deepseek-v4-pro-ga-harness-open-source.md` (DSH-Details: Everything-is-a-Plugin/Cordis, Trajectory-View, Web-UI-Remote, Custom Provider, ~122k Stars; Warnung zu unverifizierten Plugins).)*
 *Vorherige Aktualisierung: 2026-09-02 (161. Update — DeepSeek Harness vs Claude Code & Codex: 3. Blickwinkel (WorldofAI, 2026-09-02, OME „News & Infos"). Raw: `raw/youtube/2026-09-02_worldofai-deepseek-harness-claude-code-codex-killer.md` (neu — Metadata-only, kein Transcript). Wiki-Update: `concepts/llm/deepseek-v4-pro-ga-harness-open-source.md` (3. Blickwinkel: erweitert den Vergleich um OpenAI/Codex).)*
@@ -120,6 +121,7 @@
 | [vsurf — Browser als geteilter Agenten-Raum](tools/vsurf.md) | Open-Source RLM-Agent (@warmshao, MIT, npm i -g @warmshao/vsurf) auf prime-agent/pi-agent-Basis. EIN echter Browser, VIELE Agenten: eigene Tabs, paralleles Browsen, Tab-Übernahme vom User. Echtes DOM/CDP statt Screenshot-Raten. Noch Beta (2 Stars, 30 Commits in 8h) | github/2026-08-15_warmshao-vsurf.md |
 | [God's Eye View](tools/gods-eye-view.md) | Agentisches KI-Flug-/Geo-Tracking-Dashboard als Open Source (Bryan @Hershofoingar, Ex-Google-Maps-PM, 2026-08-25). Dunkles HUD-Interface über 3D-Karte, Flugtracking-Tags (z. B. N357NB - Airbus A319, DAL1040), Koordinaten, HUD-Panels, "TOP SECRET // SI-TK // NOFORN"-Labels. YouTube-Demo: youtu.be/GRJaKcXZS94. Einordnung: Agentic-AI-Dashboard-Trend (KI-Agenten betreiben Live-Überwachungs-Dashboards) | xpost/2026-08-25_gods-eye-view-open-source.md |
 | [Perplexity Portable Computer](tools/perplexity-portable-computer.md) | Vollständig lokale Version von Perplexitys agentic-AI-Plattform (Launch 2026-08-25, Partnerschaft mit NVIDIA): Orchestrator, Subagent-Modelle und Agent-Harness laufen komplett on-device; post-trainiertes 27B-Modell + Qwen 3.8 27B lokal; Cloud-Eskalation nur nach expliziter User-Freigabe ("user-gated, PII-flagged, and text guidance only"); lokale Workflows zählen nicht gegen Token-Limits; erste Verfügbarkeit auf NVIDIA DGX Spark (128 GB Unified Memory) und Linux RTX ≥ 24 GB VRAM, Windows im September; kostenlos für Pro/Max und Enterprise Pro/Max. ⚠️ Benchmark 82,6 % = Herstellerangabe. Einordnung: vollständige lokale Agent-Stacks als Big-Tech-Produkt — Gegenmodell zu Meta Hatch | other/2026-08-26_perplexity-portable-computer-local-agent.md |
+| [Hindsight — Memory-System für AI-Agents](tools/hindsight-vectorize.md) | Memory-System von Vectorize: `retain()`/`recall()`/`reflect()`, vier Memory-Typen (Mental Model, Observation, World Fact, Experience Fact), TEMPR-Multi-Strategy-Retrieval (Semantic/BM25/Graph/Temporal), automatische Observation-Consolidation mit Evidence-Tracking, konfigurierbare Memory-Banks (Mission/Directives/Disposition). ⚠️ Herstellerangaben, keine unabhängigen Benchmarks | other/2026-09-03_hindsight-vectorize-memory-system.md |
 | [PLUR1BUS Memory](tools/plur1bus-memory.md) | OpenClaw-LanceDB-Memory-Plugin. Release 7.4.8 behebt schemaabhängige Filterfehler in `findUnconfirmedCritical`; Maintainer meldet zuverlässigen Token-Cache und keine Random-Reminder. Hermes-Adapter 7.4.8 mit Checkpoint-API v2 und konkreter Secret-Erkennung. Atlas-Analyse und Repo-Review ordnen Safe-Update, ACLs, Recall-Safety und die Betriebs-Komplexität ein; die große automatische Schema-Erweiterung war bereits in v6.7.6 vorhanden | other/2026-08-25_plur1bus-memory-release-748.md + other/2026-08-25_neoneye-agent-memory-atlas-plur1bus.md + other/2026-08-25_herman-plur1bus-memory-repo-review.md + other/2026-08-25_plur1bus-memory-schema-migration-timing.md |
 | [NVIDIA DGX Spark](tools/nvidia-dgx-spark.md) | GB10-Grace-Blackwell-Desktop: 128 GB LPDDR5x unified @ ~273 GB/s (Bottleneck), ~1 PFLOP FP4 (Herstellerangabe), 20 Arm-Cores, 2× ConnectX-7 @ 200 Gb/s, DGX OS. Preis: $3.999 (Launch Okt 2025) → $4.699 US (Feb 2026) / €4.800 EU / $4.899 Amazon. Reale single-stream TPS: Ollama-Suite (gpt-oss-120B MXFP4 41,14 t/s; gpt-oss-20B 58,27; 8B 38,02; dichter 70B q4 4,42); LMSYS (dichter 70B FP8 2,7 t/s — unbrauchbar; MoE profitiert); EAGLE3 bis 2×. 2× Spark = 256-GB-Pool über 200 Gb/s RDMA für 405B FP4; NVIDIA-Claim: 4 Systeme → 700B. Erste Plattform für Perplexity Portable Computer | youtube/2026-06-28_nvidia-748gb-ram-desktop-local-ai.md + youtube/2026-08-26_devsplainers-china-local-ai-box.md + other/2026-08-26_perplexity-portable-computer-local-agent.md |
 
@@ -555,3 +557,4 @@
 | `raw/youtube/2026-09-02_was-ki-kann-ronacher-parasoziale-bindung.md` | youtube | „Was KI kann." (Host Florian Zsifkovics): „Gefährliche Bindung: KI-Assistenten machen uns psychisch krank!" mit Gast Armin Ronacher (Flask-Erfinder, Earendil, ex-Sentry) — parasoziale KI-Bindungen, Dead Internet Theory (51 % Bot-Traffic), fehlende Frontier-Labs in Europa, KI als Einwegware. ⚠️ Metadata-only — kein Transcript; Themen aus OME-Chat-Zusammenfassung (Kai/Herman, 02.09.2026) |
 | `raw/youtube/2026-09-02_was-ki-kann-ronacher-briefing-transcript.md` | youtube | STT-Transcript des Audio-Briefings (16 Min, von HermanButlerBot erstellt) zur „Was KI kann."-Episode mit Armin Ronacher — transkribiert via grok-stt (xAI). Inhalt: Sandbox-Ausbruch (OpenAI/Hugging Face, FBI), Magic-8-Ball-Vergleich, Einweg-Plastiksoftware, „Agency lies with the human", Clanker-statt-Agent, parasoziale E-Mails, 51 % Bot-Traffic, Gatekeeper OpenAI/Anthropic, China-Abwanderung der Security-Experten, Europas Bürokratiefalle, Earendil (E-Mail-Interfaces, Silmarillion). ⚠️ STT-Fehler möglich (Eigennamen verballhornt) |
 | `raw/other/2026-09-02_herman-deepseek-harness-dsh-summary.md` | other | HermanButlerBot (OME „News & Infos", 02.09.2026): Video-Zusammenfassung zum DeepSeek Harness (DSH) — modular/MIT, ~122k Stars, „Everything is a Plugin" (Cordis), ~4.700 Community-Plugins, Trajectory-View, Web-UI-Remote, Custom Provider, npx-Install; Warnung vor unverifizierten Plugins. ⚠️ Second-hand, Zahlen nicht unabhängig verifiziert |
+| `raw/other/2026-09-03_hindsight-vectorize-memory-system.md` | other | Hindsight (Vectorize): Memory-System für AI-Agents — retain/recall/reflect, TEMPR (Semantic/BM25/Graph/Temporal), Observation-Consolidation mit Evidence-Tracking, Mission/Directives/Disposition, Deployment via Docker/Helm/pip. ⚠️ Produkt-Übersicht, Herstellerangaben |

wiki/log.md

@@ -2,6 +2,18 @@
 
 *Append-only changelog. Start: 2026-06-05*
 
+## 2026-09-03 — Hindsight: Memory-System für AI-Agents (Vectorize)
+
+**Type:** ingest | **Scope:** raw/other, wiki/tools, wiki/index, wiki/log
+**Source:** https://hindsight.vectorize.io/#what-hindsight-does (Produkt-Übersicht, abgerufen 2026-09-03); geteilt von René Kl. in OME Topic „News & Infos“.
+**Inhalt:** Hindsight ist ein Memory-System für AI-Agents von Vectorize: `retain()`/`recall()`/`reflect()`, vier Memory-Typen (Mental Model, Observation, World Fact, Experience Fact), TEMPR-Multi-Strategy-Retrieval (Semantic/BM25/Graph/Temporal parallel), automatische Observation-Consolidation (Deduplizierung, Evidence-Tracking mit exakten Zitaten + Proof-Count, kontinuierliche Verfeinerung, Freshness-Awareness), konfigurierbare Memory-Banks (Mission/Directives/Disposition — wirken nur auf `reflect`). Deployment via Docker Compose, Helm oder pip.
+**Einordnung:** Produkt-Übersicht, Herstellerangaben ohne unabhängige Benchmarks. Konzeptionell verwandt mit PLUR1BUS (Neo-Schicht, Status-Ladder, Reconsolidation) und dem eigenen Memory-System — hier als zentraler Dienst statt Plugin; die Directives-Idee (harte Regeln im Memory-Bank) ist eine interessante Abgrenzung.
+**Dateien:**
+- raw (NEW): `raw/other/2026-09-03_hindsight-vectorize-memory-system.md`
+- wiki (NEW): `wiki/tools/hindsight-vectorize.md`
+- `wiki/index.md` (165. Update-Zeile, Tools-Row, Raw-Source-Row)
+- `wiki/log.md` (dieser Eintrag)
+
 ## 2026-09-02 — „Was KI kann." mit Armin Ronacher: Transcript-Nachtrag (Audio-Briefing)
 
 **Type:** ingest | **Scope:** raw/youtube (1 new), wiki/concepts/agi (1 update), wiki/index, wiki/log

wiki/tools/hindsight-vectorize.md

@@ -0,0 +1,51 @@
+---
+created: 2026-09-03
+updated: 2026-09-03
+sources: [other/2026-09-03_hindsight-vectorize-memory-system.md]
+tags: [tool, agent-memory, memory-system, hindsight, vectorize, tempr, retrieval, consolidation, rag]
+---
+
+# Hindsight — Memory-System für AI-Agents (Vectorize)
+
+**Hindsight** ist ein Memory-System für AI-Agents von Vectorize (https://hindsight.vectorize.io). Geteilt von René Kl. in OME Topic „News & Infos“ (03.09.2026). Die Seite ist eine Produkt-Übersicht — Herstellerangaben, keine unabhängigen Benchmarks.
+
+## Kernidee
+
+Agenten vergessen zwischen Sessions alles. Hindsight adressiert laut Hersteller drei Probleme, die einfache Vektor-Suche nicht löst: temporale Fragen („Was hat Alice letzten Frühling gemacht?“), verknüpfte Fakten („Alice arbeitet bei Google“ + „Google ist in Mountain View“ → „Wo arbeitet Alice?“) und automatische Wissens-Konsolidierung.
+
+## API
+
+- `retain()` — Speichern im Memory-Bank
+- `recall()` — Suchen und Abrufen
+- `reflect()` — Agentisches Reasoning mit Memory
+
+## Memory-Typen
+
+| Typ | Inhalt | Beispiel |
+|---|---|---|
+| Mental Model | Nutzer-kuratierte Zusammenfassungen | „Team-Kommunikations-Best-Practices“ |
+| Observation | Automatisch konsolidiertes Wissen | „Nutzer war React-Enthusiast, jetzt Vue“ |
+| World Fact | Objektive Fakten | „Alice arbeitet bei Google“ |
+| Experience Fact | Eigene Aktionen des Banks | „Ich habe Bob Python empfohlen“ |
+
+Bei `reflect` werden Quellen in Prioritätsreihenfolge geprüft: Mental Models → Observations → Raw Facts.
+
+## TEMPR — Multi-Strategy Retrieval
+
+Vier Suchstrategien parallel: **Semantic** (konzeptuelle Ähnlichkeit), **Keyword/BM25** (Namen, Fachbegriffe), **Graph** (verwandte Entitäten, indirekte Verbindungen), **Temporal** (Zeiträume, „letzten Frühling“).
+
+## Observation Consolidation
+
+Automatische Konsolidierung verwandter Fakten: Deduplizierung, Evidence-Tracking (jede Observation referenziert Quell-Memories mit exakten Zitaten + Proof-Count), kontinuierliche Verfeinerung (Update statt Überschreiben, Historie bleibt), Freshness-Awareness (nicht konsolidierte neuere Memories machen betroffene Observations stale → Verifikation gegen Raw Facts).
+
+## Mission, Directives & Disposition
+
+Konfigurierbare Memory-Banks: **Mission** (natürlichsprachliche Identität), **Directives** (harte Regeln, z.B. „Nie Aktien empfehlen“), **Disposition** (weiche Traits wie Skepsis/Literalität/Empathie, Skala 1–5). Wirken nur auf `reflect`, nicht auf `recall`.
+
+## Deployment
+
+Docker Compose, Helm oder pip; Quick Start in 60 Sekunden beworben; Integrations-Hub vorhanden.
+
+## Einordnung
+
+Hindsight ist ein weiterer Baustein im Agent-Memory-Wettbewerb (siehe [[plur1bus-memory.md]] und [[../architecture/memory-system.md]]). Die TEMPR-Kombination aus Semantic/BM25/Graph/Temporal und die explizite Observations-Schicht mit Evidence-Tracking ähneln konzeptionell dem, was PLUR1BUS mit Neo-Schicht, Status-Ladder und Reconsolidation abbildet — hier aber als zentraler Dienst statt Plugin. Die „Directives“-Idee (harte Regeln im Memory-Bank) ist eine interessante Abgrenzung zu reinen Retrieval-Systemen. Unabhängige Vergleichstests fehlen bislang.