장기 기억을 단순 회상이 아니라 학습으로 다루는 agent memory system.

핵심 요약

  • vectorize-io/hindsight는 “Agent Memory That Learns”를 내세우는 오픈소스(MIT) 메모리 시스템. 2025-10-30 생성, 2026-09-27 기준 Stars 35,494 / Forks 4,484로 급성장했다.
  • 대화 이력 복원 중심의 기존 메모리와 달리, 에이전트가 경험을 축적하며 더 잘 판단하도록 설계됐다는 것이 핵심 차별점이다.
  • 메모리 구조는 world facts → experiences → observations(중복 제거된 근거 기반 신념) → mental models(관찰·사실을 종합한 학습된 이해)의 4단으로, retain/recall/reflect 3개 오퍼레이션으로 조작한다.
  • LongMemEval 벤치마크에서 state-of-the-art 성능을 주장하며, Virginia Tech Sanghani Center와 The Washington Post가 독립 재현했다고 밝힘. 논문: arXiv:2512.12818.
  • Docker/pip/Helm/Cloud 등 다양한 배포 옵션, Python/Node/Go/CLI 클라이언트, 25+ LLM 프로바이더, 60+ 통합(코딩 에이전트·프레임워크·노코드 툴)을 제공해 실전 통합을 겨냥한다.

왜 중요한가

  • 많은 메모리 시스템이 “기억을 저장하는 법”에 집중할 때, Hindsight는 “기억을 통해 학습하는 법”에 집중한다.
  • RAG나 knowledge graph만으로는 장기 적응을 충분히 설명하지 못한다는 문제의식이 분명하며, 이를 논문·벤치마크로 뒷받침하려는 점이 다른 메모리 프로젝트 대비 특징적이다.
  • Claude Code, Codex, Cursor 등 코딩 에이전트에 저장소별 뱅크(git 히스토리·과거 세션 자동 흡수)를 붙이는 전용 패키지가 있어, moc-claude-code 계열 워크플로우와 직접 맞닿아 있다.
  • Mental model/knowledge page는 “질문을 한 번 정의하면 답이 백그라운드에서 계속 갱신되고, 읽기는 검색·LLM 호출 없는 DB read 한 번”이라는 설계라, 이 위키의 MOC·요약 페이지가 하는 역할(정착된 지식을 세션마다 재구성하지 않고 참조)과 개념적으로 유사하다.

주요 포인트

  • 메모리 타입: world facts / experiences / observations / mental models. entity·relationship·시계열 + sparse/dense 벡터로 인덱싱, bank(뱅크) 단위로 격리 저장.
  • retain: LLM으로 사실·시간 정보·엔티티·관계를 추출해 정규화.
  • recall: semantic(벡터)·keyword(BM25)·graph(엔티티/시간/인과)·temporal(시간 필터) 4전략 병렬 실행 → reciprocal rank fusion + cross-encoder reranking으로 병합.
  • reflect: 기존 기억 간 새 연결을 만드는 심층 분석(리스크 반성, 아웃리치 반응 분석 등 lookup이 아닌 사고가 필요한 질의에 사용).
  • Observations: 새 근거로 덮어쓰지 않고 강화/약화/확장(refine)하며 원문 인용 근거·proof count 유지.
  • Mental Models / Knowledge Pages: 질문 1회 정의 → 답을 저장하고 백그라운드에서 계속 재작성. Knowledge page는 폴더형 위키처럼 조직되고 마크다운으로 디스크 투영 가능.
  • Bank: disposition traits(skepticism, literalism, empathy)로 reflect의 추론 성향 조절, 다국어 기본 지원(엔티티 원어 표기 유지), Memory Defense(옵트인 시크릿/PII 스캔·redaction).
  • 통합: LLM Wrapper(wrap_openai/wrap_anthropic 2줄), MCP 서버(뱅크별 /mcp/{bank_id}/ 엔드포인트), 코딩 에이전트 전용 패키지(hindsight-coding-agents), 60+ 통합(LangGraph, CrewAI, n8n, Zapier, Obsidian 등).
  • 배포: Docker(임베디드 pg0 또는 외부 PostgreSQL), pip, Helm, Oracle AI Database 지원, 매니지드 Hindsight Cloud(사용량 기반, 99.9% SLA).

해석과 적용 메모

  • 2026-05-01 인제스트 시점에는 raw가 “포인터 스텁”(내용 미확보) 상태였고, 이 요약도 개요 수준 추정으로 작성됐었다. 2026-09-27 원문(README 전문)을 재확보해 구조·오퍼레이션·통합 목록을 실제 문서 기준으로 갱신했다.
  • Stars가 반년 새 급증한 것은 논문 공개(arXiv:2512.12818)와 벤치마크 사이트 공개, 코딩 에이전트 전용 패키지 출시가 맞물린 결과로 보인다 — 이 위키의 다른 메모리 프로젝트(2026-03-22-supermemory, 2026-04-13-claude-mem 등)와 달리 독립 벤치마크 재현을 명시적으로 내세우는 점이 신뢰도 판단에 참고할 지점.

관련 노트