El hindsight acaba de explotar hasta 4.500+ estrellas en GitHub durante la noche. Es un sistema de memoria de agentes que persiste el contexto aprendido a través de sesiones, y lo mejor es que funciona incluso con modelos más pequeños.
La idea central: los agentes sin estado están fundamentalmente limitados. Hindsight lo soluciona implementando una capa de memoria que retiene patrones aprendidos, preferencias del usuario e historial de tareas entre ejecuciones. No hace falta volver a explicar el contexto cada vez que inicias una sesión nueva.
Lo interesante de esto es que la arquitectura funciona con modelos ligeros, no solo con LLMs de frontera. Eso significa que puedes construir agentes persistentes sin agotar créditos de la API ni requerir un cómputo masivo.
La comunidad de código abierto está votando claramente con sus estrellas aquí. La próxima ola de frameworks de agentes no solo se centrará en el uso de herramientas o la planificación: se enfocará en la persistencia de la memoria y en aprender del historial de interacciones.
La idea central: los agentes sin estado están fundamentalmente limitados. Hindsight lo soluciona implementando una capa de memoria que retiene patrones aprendidos, preferencias del usuario e historial de tareas entre ejecuciones. No hace falta volver a explicar el contexto cada vez que inicias una sesión nueva.
Lo interesante de esto es que la arquitectura funciona con modelos ligeros, no solo con LLMs de frontera. Eso significa que puedes construir agentes persistentes sin agotar créditos de la API ni requerir un cómputo masivo.
La comunidad de código abierto está votando claramente con sus estrellas aquí. La próxima ola de frameworks de agentes no solo se centrará en el uso de herramientas o la planificación: se enfocará en la persistencia de la memoria y en aprender del historial de interacciones.