用 Hindsight 搭记忆 agent：检索之后的学习闭环才是关键

Harsha-1308 · reddit · 2026-09-30

作者分享了一个基于 Hindsight 的记忆 agent 架构，重点不在「加记忆」而在检索之后发生什么：

结构化经验：每条记忆不只存语义内容，还记录事件、结果、支持证据、记忆归属，以及是否应影响未来选择。
架构：User → Agent/API → Groq LLM + Hindsight(retain/recall) + SQLite（规范身份与学习状态）→ C6 自适应选择 → 下一轮上下文。
关键坑：检索返回的是相似文本，必须解析回应用侧的规范 ID，不能把检索文本当稳定标识符。测试场景是钱包并发问题（悲观锁 vs 乐观并发控制），系统能把检索相似度与结果/证据信号结合做选择。
学习状态持久化：进程重启后经验可延续，不用从零开始。
多模态摄入：设计中让文本、日志、文档、图像、音视频都汇入同一记忆管线成为结构化经验。

完整技术 walkthrough（Google Drive 文档）与 GitHub 仓库已开源，作者征集对身份管理、学习信号与多模态记忆的讨论。

「编程与Agent」频道最新