核心概念

Retain保留

retain 借助 LLM 抽取关键事实、时间数据、实体与关系，再经归一化流程转换为规范化实体、时间序列、搜索索引与元数据。这些表征构成了 recall 与 reflect 精准检索记忆的通路。

它告诉 Hindsight 保留你作为输入传入的信息。抽取出的规范化实体、时间序列、搜索索引与元数据，共同构成后续 recall 与 reflect 精准检索记忆的通路。

client.retain(
    bank_id="my-bank",
    content="Alice got promoted to senior engineer",
    context="career update",
    timestamp="2025-06-15T10:00:00Z",
)

Retain 文档

Recall召回

recall 并行执行四路检索，结果先以倒数排名融合按相关性排序，再用交叉编码器重排，最后按需裁剪以适配 token 上限。

recall 操作用于检索记忆，这些记忆可来自任意记忆类型（世界事实、经历等）。

client.recall(bank_id="my-bank", query="What does Alice do?")
client.recall(bank_id="my-bank", query="What happened in June?")   # 时间检索

recall 并行执行 4 种检索策略：

• 语义：向量相似度
• 关键词：BM25 精确匹配
• 图谱：实体 / 时间 / 因果关联
• 时间：时间范围过滤

各路结果会被合并，先以倒数排名融合（reciprocal rank fusion）按相关性排序，再用交叉编码器（cross-encoder）重排模型重排，最后按需裁剪以适配 token 上限。

Recall 文档

Reflect反思

reflect 让智能体在记忆之间建立新联系，并对自身世界形成更透彻的理解，适合需要深度思考而非简单查表的问题。

reflect 操作对已有记忆做更深入的分析。它让智能体在记忆之间建立新的联系，并对自身世界形成更透彻的理解，适合回答那些需要深度思考、而非简单查表的问题。

client.reflect(bank_id="my-bank", query="What should I know about Alice?")

例如，reflect 适用的场景包括：

• AI 项目经理 反思项目中需要规避的风险。
• 销售智能体 反思为何某些外联消息有回应、另一些没有。
• 支持智能体 反思客户现有产品文档未能解答的问题所在。

Reflect 文档