AI 项目经理
开放式任务推进
反思项目中需要规避的风险，把散落在历次会话里的经验沉淀为可复用的判断。
Hindsight 也可配合 n8n 等构建的简单 AI 工作流使用，但对这类应用可能有些杀鸡用牛刀。
按用户记忆与聊天历史
你能用 Hindsight 做的最简单的场景之一，就是通过存储与召回与单个用户相关的记忆，来为 AI 聊天机器人及其他对话式智能体做个性化。
该场景的典型需求大致如下：
三步满足需求
当新的用户输入与工具调用通过 retain 操作被摄入 Hindsight 时，可用自定义元数据来丰富新记忆。元数据提供了一种便捷方式，用来隔离那些需要限定给特定用户的记忆。一旦喂入 retain 操作，任何由此生成的原始记忆与心智模型，都可在检索相关记忆时按需过滤。
- 摄入：新的用户输入与工具调用通过 retain 进入 Hindsight。
- 富化：用自定义元数据丰富新记忆，隔离那些需要限定给特定用户的内容。
- 过滤：任何由此生成的原始记忆与心智模型，都可在检索相关记忆时按需过滤。
自主执行的智能体
更理想的应用场景是那些需要融合上述特性的智能体：需要应对开放式任务、根据用户反馈改变行为、并学习执行复杂任务以逼近人类工作水平的 AI 员工。reflect 正是为这类场景准备的入口。
销售智能体
根据反馈改变行为
反思为何某些外联消息有回应、另一些没有，逼近人类销售的水准。
支持智能体
学习复杂任务
反思客户现有产品文档未能解答的问题所在，逐步补上知识盲区。
每个 bank 是一个用户、智能体或项目的“一颗大脑”，严格隔离，用户 A 的记忆不会出现在用户 B 的召回结果里。详见记忆库。