记忆库

记忆库（Memory Banks）是 Hindsight 中的核心组织单位。每个记忆库都是一个隔离的记忆容器，拥有自己的资料、设置和数据。

访问记忆库

1. 登录 Hindsight Cloud
2. 使用顶部导航中的 Memory Bank Selector 下拉菜单
3. 选择一个记忆库查看详情，或点击 Create New 创建一个

记忆库视图

选定记忆库后，左侧会出现一个包含多个视图的侧边栏：

Profile（资料）

Profile 视图让你配置记忆库的身份：

• Name - 记忆库的显示名称
• Background - 关于记忆库用途的上下文信息
• Disposition Traits（性格特质） - 影响代理推理方式的特征：
  • Skepticism（怀疑度） - 代理接受新信息的难易程度
  • Literalism（字面度） - 代理解读陈述的灵活程度
  • Empathy（共情度） - 对情感上下文的重视程度

Recall（搜索调试）

Recall 视图提供了一个基于 Hindsight TEMPR 策略的记忆检索调试界面：

• 在所有检索方法（语义、关键词、图、时间）上测试搜索查询
• 查看检索追踪，了解哪种方法找到了哪些记忆
• 分析相关性分数
• 调试为何某些记忆被检索或未被检索

Reflect（反思）

Reflect 视图允许在所存记忆之上使用记忆库的性格特质进行推理：

• 从存储的记忆中综合洞察
• 查看基于证据强度的置信度分数
• 理解性格特质如何影响推理
• 查看驱动每次反思的记忆

Memories（记忆）

Memories 视图按事实类型显示所有存储的记忆：

类型	描述	示例
World Facts（世界事实）	来自外部来源的客观事实	"项目截止日期是 3 月 15 日"
Experience（经验）	已经发生的事件和交互	"用户上周注册了高级套餐"
Observations（观察）	自动综合的知识——基于事实整合并附带证据追踪	"用户对异步 Python 越来越熟练"

每条记忆条目显示：

• 记忆内容
• 时间戳
• 来源（如有）

你可以在两种布局之间切换：

• 数据视图（Data view） — 表格列表，支持全文搜索、标签过滤和事实类型过滤
• 星座视图（Constellation view） — 一个交互式图表，将记忆作为节点布局，并按事实类型用颜色编码渲染它们之间的关系

Mental Models（心智模型）

Mental Models 视图显示该记忆库中用户精心整理的心智模型：

• 创建、编辑和删除心智模型
• 刷新模型，从当前记忆重新生成
• 切换自动刷新，让模型在整合后保持最新
• 查看构建每个模型所用的源记忆
• 强制 RBAC：成员仅具有只读访问权限

完整 API 文档请参见 心智模型。

Documents（文档）

Documents 视图让你向记忆库添加源文档。Hindsight 会从每份文档中提取文本并作为记忆存储。

添加文档

添加文档有两种方式：

• 文本输入 — 在 Add Document 对话框中直接粘贴或键入文本
• 文件上传 — 从你的电脑上传文件。支持的文件类型包括：
  • PDF (.pdf)
  • Word (.docx, .doc)
  • PowerPoint (.pptx, .ppt)
  • Excel (.xlsx, .xls)
  • 图片 (.jpg, .jpeg, .png)
  • 文本 (.txt, .md, .csv)

提取方法

上传文件时，你可以选择提取方法：

方法	费用	适用场景
Standard（标准）	免费（无额外费用）	大多数文本类文档——Word、Excel、PowerPoint、文本文件和数字创建的 PDF
Enhanced (Iris)（增强 - Iris）	额外按 Token 计费	图片、扫描的 PDF 以及具有复杂版面或嵌入图形的文档

标准提取使用 Markitdown 从文件中提取文本。增强提取使用 AI 驱动的视觉管线（Iris），能够理解页面布局、表格和图片——为视觉复杂的文档生成更高质量的输出。定价细节请参见 账单。

跟踪文档处理

上传后，打开 Document Operations 面板以跟踪处理状态：

状态	含义
Pending（待处理）	文档在队列中或正在处理
Completed（完成）	提取完成且记忆已存储
Cancelled（已取消）	操作在完成前被取消
Failed（失败）	提取时遇到错误——查看错误消息并在该行中点击 Retry，或直接在对话框中取消待处理的操作

点击任意文档行可查看其提取的文本和元数据。

Entities（实体）

Entities 视图在两个标签页中显示提取的实体：

• Entities 标签 — 列出人物、组织、地点和其他提取的实体，并显示使用次数和元数据
• Relations 标签 — 一个交互式 Constellation 图表，可视化实体之间以及它们与所出现记忆之间的关联

创建记忆库

1. 在导航中点击 Memory Bank Selector
2. 点击 Create New Bank
3. 输入必要信息：
   • Name - 记忆库的唯一标识
4. 可选配置：
   • Background - 关于记忆库用途的上下文
   • Traits - 性格特征
5. 点击 Create

添加记忆

通过界面

1. 进入 Memories 视图
2. 点击 Add Document 或 Add Memory
3. 输入记忆内容
4. 选择合适的记忆类型
5. 点击 Save

通过 API

client.retain(
    bank_id="your-bank-id",
    content="The user prefers concise responses."
)

详细 API 文档请参见 Retain。

搜索记忆

通过界面

1. 进入 Recall 选项卡
2. 输入搜索查询
3. 查看匹配的记忆及相关性分数

通过 API

results = client.recall(
    bank_id="your-bank-id",
    query="What are the user's preferences?"
)

详细 API 文档请参见 Recall。

最佳实践

组织记忆库

• 每个上下文一个记忆库 - 为不同的用户、项目或代理创建独立的记忆库
• 有意义的名称 - 使用描述性名称标识记忆库的用途
• 配置背景 - 提供有助于系统理解领域的上下文

记忆质量

• 保持具体 - 存储具体、可执行的信息
• 包含上下文 - 加入有助于检索的相关细节
• 包含时间参考 - 日期和时间使时间检索查询成为可能

性能

• 批量操作 - 存储大量记忆时使用批量 API
• 限定 recall 范围 - 尽可能使用过滤器缩小搜索范围
• 监控用量 - 查看 使用分析 以优化成本

对常访问数据使用心智模型

如果你的应用反复查询相同类型的信息——例如用户偏好、项目状态或团队上下文——使用 心智模型，而不是每次都调用 Recall 或 Reflect。心智模型是预计算的反思，在单次查找中返回缓存内容，读取时无需 LLM 调用。

• 识别高频查询 - 找出在每次请求中运行相同（或类似）查询的 Reflect 或 Recall 调用。这些是心智模型的强候选。
• 对易变数据启用自动刷新 - 将 trigger.refresh_after_consolidation 设为 true，使模型在新记忆整合后保持最新。这非常适合频繁变化的数据，如用户偏好或正在进行的项目状态。
• 对稳定数据保留手动刷新 - 对很少变化的信息（例如入职指南、政策摘要），跳过自动刷新以避免不必要的 Token 使用，并按你自己的节奏刷新。
• 使用描述性的来源查询 - 类似 "用户的沟通偏好和响应时间预期是什么？" 这样的具体查询，比 "告诉我关于这个用户的信息" 这样的笼统查询能产生更有用的模型。
• 与 Reflect 结合使用 - 心智模型会在 Reflect 调用期间作为高优先级上下文自动注入，因此你既能享受预计算摘要的便利，又能在原始记忆之上进行实时推理。

完整 API 文档和示例请参见 心智模型。