Hindsight 开源 AI 记忆系统贡献指南:从克隆仓库到提交第一份 PR

发布时间:2026/9/6 16:51:04

Hindsight 开源 AI 记忆系统贡献指南:从克隆仓库到提交第一份 PR
Hindsight 开源 AI 记忆系统贡献指南从克隆仓库到提交第一份 PR【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsightHindsight 是一个开源的 AI 代理记忆系统Agent Memory负责让 AI 代理记住、回忆并整合信息。本文是它的贡献指南覆盖本地开发环境搭建、提交第一份 PR、协作规则和发布流程。参与开发 Hindsight你能接触生产级的 Python / TypeScript / Rust 混合工程并在真实的 Agent Memory 场景中积累系统开发经验。快速跑通 Hindsight 本地开发环境这一节解决clone 之后如何十分钟跑起来的问题。做完三件事本地就具备完整的开发环境。Hindsight 是 monorepo服务端 API 在 hindsight-api-slim/前端控制面板在 hindsight-control-plane/Python / TypeScript / Rust 三套 SDK 在 hindsight-clients/文档在 hindsight-docs/。先拿到代码git clone https://gitcode.com/GitHub_Trending/hindsight2/hindsight cd hindsight然后运行一键初始化脚本./scripts/dev/setup.sh源码见 scripts/dev/setup.sh。它会自动补齐缺失的工具链uv/Python、Node/npm、Rust/cargo、从.env.example生成.env、配置 git 钩子、安装全部 Python 与 Node 工作区依赖并预下载本地 ML 模型和分词器让 API 可以离线运行。脚本可重复执行每个步骤都会检查是否已完成并自动跳过--skip-build只装依赖、--skip-models跳过模型下载、--with-docs顺带构建文档站、--force强制重建产物。脚本跑完后只留一步人工操作编辑.env把你的 LLM API 密钥和配置填进去。接下来启动服务三个脚本各管一块./scripts/dev/start-api.sh # 本地 API 服务 ./scripts/dev/start-control-plane.sh # Web 控制面板 ./scripts/dev/start-docs.sh # 文档站Hindsight 贡献指南本地开发环境中的控制面板 Knowledge 页面Hindsight AI 记忆系统控制面板的本地运行效果左侧为记忆图谱视图想确认本地开发环境是否真正就绪就跑到测试这一步cd hindsight-api uv run pytest tests/Hindsight 记忆库开发环境中的知识页树与页面详情控制面板树形视图由记忆自动合成的知识页提交你的第一个贡献这一节解决改完代码怎么交付的问题分支怎么开、提交前要跑什么、PR 里写什么。分支规范从main拉出功能分支命名形如feature/your-feature-name保持改动范围小、一个分支只做一件事。测试要求提 PR 前在hindsight-api/目录下跑完完整测试套件并确认全部通过。PR 描述要素改了什么、解决了哪个问题或新增了什么功能、测试结果如何、相关 issue 编号。涉及 API 行为的改动同步更新hindsight-docs/下的相关页面。风格底线Python 代码带类型注解、跟随仓库既有模式、函数保持单一职责——这一点在下一节的规则清单里再展开。协作红线与工具链这一节用一张规则清单交代协作中的硬性约定哪些检查是自动执行的、issue 报告需要包含什么。自动化 git 钩子git commit 前自动执行的检查脚本仓库内置的钩子位于 .githooks/用./scripts/setup-hooks.sh挂载setup.sh已完成这步。钩子触发时并行执行 scripts/hooks/lint.sh语言自动执行的检查Pythonruff check --fix、ruff format、ty checkTypeScripteslint --fix、prettier检查项由钩子驱动通常无需手动执行需要单独跑时用./scripts/hooks/lint.sh复现完整流程或在对应包目录单独执行uv run ruff check --fix .、uv run ruff format .、uv run ty check hindsight_api。代码风格跟随现有代码模式不引入新的风格变体。issue 报告四要素清晰的问题描述、可复现的步骤、预期行为与实际行为的对比、环境信息操作系统、Python 版本。四者齐全维护者定位问题的速度会明显更快。进阶方向发布、架构与客户端生成这一节面向有前几次提交经验、想往深处走的贡献者。发布流程由 scripts/release.sh 自动化例如./scripts/release.sh 0.5.0。脚本依次完成更新全部组件的版本号、重新生成 OpenAPI 规范与 Python / TypeScript / Rust 三套客户端 SDK、更新文档版本号、创建发布提交与 git tag、推送到远端触发 CI/CD 发包。两条容易踩的坑先记下再动手开发期在__init__.py里改版本号不需要重新生成客户端客户端只在正式发布时重新生成。不要手动运行./scripts/generate-clients.sh除非你正在验证生成逻辑本身的变更。架构级改动集中在 hindsight-api-slim/hindsight_api/engine/涉及数据库结构变化时需要按 alembic 迁移目录 的模式新增迁移并跑迁移相关测试。多语言 SDK 位于hindsight-clients/下的python/、typescript/、rust/一般不建议手改——它们由 API 规范生成。性能与基准评测和回归在 hindsight-dev/benchmarks/ 下进行改动检索或记忆整合链路时先跑一遍基准再提 PR。BEAM 10M 基准Hindsight 相对行业基线的得分对比从 issue 列表挑一个带新手标签的任务跑通本地环境后按上面的流程交付你的第一份 PR 即可。【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

基于TensorFlow的强化学习高频做市商环境模拟器实战

基于TensorFlow的强化学习高频做市商环境模拟器实战

2026/9/6 16:51:04

简介:这是一份面向量化交易与强化学习研究者的技术文档,系统讲解如何基于TensorFlow HFT环境模拟器训练高频做市商Agent。内容覆盖高频交易背景、做市商策略类型、TensorFlow_HFT模拟器功能、强化学习算法(Q-learning、SARSA、DQN、PPO&#…

在 Linux 上运行 Windows 应用难不难?Winboat 部署最快上手路径

在 Linux 上运行 Windows 应用难不难?Winboat 部署最快上手路径

2026/9/6 16:51:04

在 Linux 上运行 Windows 应用难不难?Winboat 部署最快上手路径 【免费下载链接】winboat Run Windows apps on 🐧 Linux with ✨ seamless integration 项目地址: https://gitcode.com/GitHub_Trending/wi/winboat 你有没有遇到过这种情况&#…

Hindsight 安装指南:一条 Docker 命令跑起智能体记忆服务

Hindsight 安装指南:一条 Docker 命令跑起智能体记忆服务

2026/9/6 16:51:04

Hindsight 安装指南:一条 Docker 命令跑起智能体记忆服务 【免费下载链接】hindsight Hindsight: Agent Memory That Learns 项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight Hindsight 是一个智能体记忆系统,它不只保存对话…

基于AST模型的呼吸音分类:迁移学习与实战解析

基于AST模型的呼吸音分类:迁移学习与实战解析

2026/9/6 18:01:07

简介:面向呼吸声音分类任务,一套完整的机器学习解决方案以PDF文档形式提供,基于ICBHI 2017挑战赛数据集与音频谱图变换模型(AST)实现,适合熟悉Python与深度学习基础的研究人员或工程师,尤其适用…

基于AST模型的呼吸声音分类:ICBHI数据集实践

基于AST模型的呼吸声音分类:ICBHI数据集实践

2026/9/6 18:01:07

简介:面向熟悉Python与深度学习基础的研究人员、工程师,基于ICBHI 2017 Challenge数据集的呼吸音四分类机器学习解决方案,完整呈现了利用Audio Spectrogram Transformer(AST)模型完成诊断分类的方法。针对医疗音频诊断…

中国交通运输业高考地理复习:五纵三横铁路网与区位分析全攻略

中国交通运输业高考地理复习:五纵三横铁路网与区位分析全攻略

2026/9/6 18:01:07

简介:面向高三地理备考学生,聚焦“中国的交通运输业”专题复习,可用于二轮专题精讲或考前自主强化。课件系统对比铁路、公路、水路、航空、管道五种运输方式的优缺点与适用对象,并结合“六纵六横”铁路干线,梳理京沪、…

高中地理交通运输业高考复习:从区位分析到答题模板全攻略

高中地理交通运输业高考复习:从区位分析到答题模板全攻略

2026/9/6 18:01:07

简介:一份针对高三地理高考冲刺的中国交通运输业专题PPT教案,面向高考考生与地理教师,旨在系统梳理交通运输业的地位、五种运输方式特点、我国铁路网“六纵六横”主干线及重要枢纽等核心考点。资源包内包含1个pptx演示文稿,共52页…

如果对比web版免费的LLM

如果对比web版免费的LLM

2026/9/6 18:01:07

同时开着两个管理员权限的命令行:我感觉chatgpt 最靠谱,其次是deepseek 和 gemini ,然后是 qwen grok,claude限制太多,不算纯免费llm,否则可能会更靠前 纯感觉

GPT4All CLI 命令行实战:安装、REPL 交互与 app.py 源码级解析

GPT4All CLI 命令行实战:安装、REPL 交互与 app.py 源码级解析

2026/9/6 17:51:07

GPT4All CLI 命令行实战:安装、REPL 交互与 app.py 源码级解析 【免费下载链接】gpt4all GPT4All: Run Local LLMs on Any Device. Open-source and available for commercial use. 项目地址: https://gitcode.com/GitHub_Trending/gp/gpt4all 本文围绕 GPT4…

中国人民大学杨琳团队《Nature Communications》 | 全球潮汐湿地土壤有机碳时空格局与环境驱动:一项2009-2020年的全球评估

中国人民大学杨琳团队《Nature Communications》 | 全球潮汐湿地土壤有机碳时空格局与环境驱动:一项2009-2020年的全球评估

2026/9/6 1:19:56

本文首发于“生态学者”!从“湿地面积”到“土壤碳密度”:为什么需要重新认识潮汐湿地蓝碳变化?潮汐湿地位于陆地与海洋的交汇地带,包括红树林、盐沼和潮滩,是全球重要的蓝碳生态系统。其土壤能够长期储存大量有机碳&a…

adb抓包

adb抓包

2026/9/6 1:19:56

前言 本文介绍如何通过 tcpdump 在 Android 手机上抓取网络数据包,并在电脑端使用 Wireshark 进行分析。适用于需要排查 App 网络请求、分析接口调用或调试网络问题的开发与测试场景。1. 手机要有 root 权限2. 下载 tcpdump3. adb push C:\Users\zhangkuixun\Downlo…

大模型推理镜像极简瘦身:从 25GB 巨无霸到 3GB 精简镜像实战

大模型推理镜像极简瘦身:从 25GB 巨无霸到 3GB 精简镜像实战

2026/9/6 1:19:56

大模型推理镜像极简瘦身:从 25GB 巨无霸到 3GB 精简镜像实战 在云原生基础设施中,容器镜像体积直接决定了服务的部署速度与弹性扩容敏捷度。对于传统的 Go / Java 微服务,镜像体积通常被严格控制在 50MB 到 200MB 以内,拉取镜像只…

中国人民大学杨琳团队《Nature Communications》 | 全球潮汐湿地土壤有机碳时空格局与环境驱动:一项2009-2020年的全球评估

中国人民大学杨琳团队《Nature Communications》 | 全球潮汐湿地土壤有机碳时空格局与环境驱动:一项2009-2020年的全球评估

2026/9/6 1:19:56

本文首发于“生态学者”!从“湿地面积”到“土壤碳密度”:为什么需要重新认识潮汐湿地蓝碳变化?潮汐湿地位于陆地与海洋的交汇地带,包括红树林、盐沼和潮滩,是全球重要的蓝碳生态系统。其土壤能够长期储存大量有机碳&a…

adb抓包

adb抓包

2026/9/6 1:19:56

前言 本文介绍如何通过 tcpdump 在 Android 手机上抓取网络数据包,并在电脑端使用 Wireshark 进行分析。适用于需要排查 App 网络请求、分析接口调用或调试网络问题的开发与测试场景。1. 手机要有 root 权限2. 下载 tcpdump3. adb push C:\Users\zhangkuixun\Downlo…

大模型推理镜像极简瘦身:从 25GB 巨无霸到 3GB 精简镜像实战

大模型推理镜像极简瘦身:从 25GB 巨无霸到 3GB 精简镜像实战

2026/9/6 1:19:56

大模型推理镜像极简瘦身:从 25GB 巨无霸到 3GB 精简镜像实战 在云原生基础设施中,容器镜像体积直接决定了服务的部署速度与弹性扩容敏捷度。对于传统的 Go / Java 微服务,镜像体积通常被严格控制在 50MB 到 200MB 以内,拉取镜像只…

远程协作的工作台整理

远程协作的工作台整理

2026/9/3 6:56:24

远程协作的工作台整理远程协作的核心不是再加一个工具,而是让交接信息足够完整。异步任务要写明目标、输入位置、完成标准和需要决策的人。 工作台的最小配置 将日程、待办、代码和沟通入口收拢到少数固定位置;通知按紧急程度分层。工作台不需要模仿办公…

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能

2026/9/4 7:42:10

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能分类:[AI/大模型]细分主题:AI 增强型 CI/CD 流水线自动化与 GitOps 实践:Agent 工作流、工具调用与任务拆解:从原型到生产的验收清单很多团队在尝试用大…

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场

2026/9/5 23:14:13

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场分类:[工程技术]细分主题:Kubernetes 生产环境运维与排障实战:可复制的项目复盘模板与决策记录大部分团队的事故复盘报告,最后都变成了躺在 Confluence 或钉…