---
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.