Hindsight: qué puede conservar un agente entre sesiones
Cuándo elegir Hindsight para la memoria persistente de un agente
Compara su resultado con una consulta sencilla o un resumen usando las mismas preguntas.
Qué aprenderás
- Traducir el problema a una prueba
- Contar el trabajo de operación
- Decidir con condiciones
Antes de empezar
- Uso básico del cliente Python
- Un caso de prueba sintético y un límite de despliegue
Guarda correcciones, recuperaciones erróneas y costes para repetir la prueba.
Conclusiones clave
- Persistencia implica operaciones adicionales.
- Recall necesita una degradación cuando falla.
- La adopción requiere umbrales propios.
Traducir el problema a una prueba
Hindsight merece evaluación cuando el agente debe usar hechos y experiencias entre sesiones y repetir el contexto ya falla. Bancos y memorias derivadas añaden almacenamiento, extracción y tareas de fondo. Para una búsqueda corta y determinista, una consulta de base de datos puede ser más simple.
Escribe qué decisión olvidó el agente o qué preferencia caducada citó. Aplica las mismas preguntas a una recuperación básica. La lista de funciones no indica si las operaciones añadidas mejoran tu caso.
Contar el trabajo de operación
La ruta autoalojada documentada deja al equipo las copias de base de datos, secretos del modelo, acceso y observabilidad. La versión gestionada cambia responsabilidades e introduce condiciones de proveedor y cargos de uso. Compara trabajo real junto a facturas.
La memoria suma otro componente con estado. Prueba qué hace el agente cuando recall tarda o falla. Preguntar de nuevo al usuario puede ser una degradación mejor que inventar un recuerdo.
Decidir con condiciones
Amplía una prueba solo si mejora la referencia en un conjunto fijo de preguntas y cabe en el presupuesto de demora y coste. Añade una corrección, un borrado y una denegación entre bancos a la aceptación. Si falta una medición, la decisión sigue abierta.
No se desplegó un competidor ni se elaboró un ranking de proveedores. La recomendación depende de una muestra local reproducible, no de una tabla universal.
Cómo elegir
| Criterio | Opción A | Opción B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
Pasos de implementación
- 1
Describe el error de memoria que quieres resolver.
- 2
Compara con una referencia más simple.
- 3
Exige calidad, coste y seguridad antes de ampliar.
Ejemplo para copiar
decision:
target_failure: documented
baseline: simple-retrieval
quality_threshold: define
latency_and_cost_budget: define
deletion_and_isolation: verifiedPreguntas frecuentes
¿Basta una base vectorial?
Puede bastar para búsquedas simples; compara con las mismas preguntas.
¿Siempre sale más barato que repetir contexto?
Depende de llamadas al modelo, volumen conservado y medidas propias.
Fuentes
- Hindsight / README.mdFuente verificada 2026-09-26