Sua IA esquece tudo. Esta ferramenta gratuita resolve isso (Hindsight, testado)

Autoria: Hyperautomation Labs · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Your AI Forgets Everything. This Free Tool Fixes It (Hindsight, Tested) · Canal: Hyperautomation Labs · 06:13 · Assistir no YouTube

Tópicos: Agentes de IA, Engenharia de prompts e contexto, Ferramentas de desenvolvimento com IA, Modelos de IA

Resumo

O vídeo apresenta Hindsight, uma ferramenta open source de memória para agents de IA que retém informações, recupera fatos e tira conclusões com base no histórico. Em testes com uma padaria, Hindsight lembrou preferências e mudanças de fornecedor, além de recomendar ações de marketing com base nos resultados anteriores. Em outro teste, compartilhou regras de um projeto entre Claude Code e Codex, embora Claude Code já tenha memória própria. A ferramenta pode ser útil para quem usa IA repetidamente com as mesmas pessoas ou projetos, mas pode ser excessiva para automações simples.

Pontos-chave

Hindsight organiza a memória em três etapas: Retain, Recall e Reflect.
A recuperação combina busca por significado, palavras exatas, relações entre entidades e tempo.
O sistema mantém fatos sobre o mundo separados de experiências e associa evidências às observações.
Nos testes do vídeo, lembrou a troca de fornecedor e as preferências da dona da padaria.
Com base no histórico de resultados, recomendou interromper ações de marketing pouco eficazes e investir em vídeos no Instagram.
Hindsight compartilhou regras de checkout entre Claude Code e Codex, com os 10 casos de teste passando.
A ferramenta integra-se a mais de uma dúzia de coding agents e pode aprender com o histórico do Git.
O vídeo ressalta que modelos mais baratos podem deixar passar regras e que Codex exige aprovação dos hooks.
Para automações simples, Hindsight pode ser excessivo.

Capítulos

Início	Capítulo	Resumo
00:00	O problema da memória em conversas com IA	O apresentador introduz Hindsight e mostra como uma conversa nova pode ignorar preferências e informações já fornecidas.
01:33	Como Hindsight funciona e os testes com a padaria	O vídeo explica as etapas de memória e testa a recuperação de informações, a lembrança de mudanças e as recomendações de marketing.
03:37	Memória compartilhada entre ferramentas de programação	Regras de checkout registradas em Claude Code são recuperadas por Codex, e o apresentador compara a memória compartilhada com a memória integrada do Claude Code.
04:41	Instalação, limitações e para quem serve	O vídeo resume formas de configurar Hindsight, comenta compatibilidade com modelos e aponta limitações e casos em que a ferramenta pode ser excessiva.
05:42	Público-alvo e materiais complementares	O apresentador identifica usos adequados para Hindsight e menciona um PDF com comandos, testes e erros a evitar.

Citações

A cada nova conversa com IA, tudo começa do zero. — 00:00

Retain. Depois de uma conversa, ele extrai os fatos: quem, o quê e quando. — 01:03

Ele não apenas lembrou. Tirou uma conclusão. — 03:37

Com Hindsight, a primeira linha dizia: 15% de desconto em itens não alcoólicos e arredondamento para os 5 centavos mais próximos. — 04:09

Conceitos e entidades

Hindsight (ferramenta): Ferramenta open source de memória para agents de IA, testada no vídeo em tarefas de atendimento, marketing e programação.
Vectorize (empresa): Empresa associada ao Hindsight e à divulgação dos resultados do benchmark citado no vídeo.
Claude Code (ferramenta): Ferramenta de programação com IA usada para registrar regras de um projeto e testada com memória própria.
Codex (ferramenta): Ferramenta de programação com IA usada para testar o compartilhamento de memória e regras de checkout.
LongMemEval (conceito): Benchmark de memória de longo prazo citado como referência para comparar o desempenho do Hindsight.
GPT-5 mini (modelo): Modelo que, segundo o vídeo, identificou a regra nos testes do apresentador.
Cursor (ferramenta): Coding agent citado como uma das ferramentas que podem usar a memória compartilhada do Hindsight.
Copilot (ferramenta): Coding agent citado entre as ferramentas compatíveis com a memória compartilhada do Hindsight.

Tradução completa (pt-BR)

00:00 Este robô de entregas nunca viu esses prédios. Na primeira vez, ele vai de um escritório a outro até dar sorte. Mas ele se lembra. Depois de cinco entregas, conhece todos os andares e vai direto ao destino. Isso é Hindsight, uma memória gratuita e open source para agents de IA, com 28 mil estrelas no GitHub. Então, eu testei. Dei ao Claude Code duas regras para um café. Depois, abri outra IA, o Codex, e dei uma tarefa a ele. Sem memória, ele errou 20% das respostas.

00:32 Com Hindsight, ele já sabia 15. Este é o problema. Toda nova conversa com uma IA começa do zero. Pedi a uma conversa nova que fizesse uma tarefa simples: escrever o e-mail para pedir mais farinha para uma pequena padaria. Ela escreveu 290 palavras e deixou em branco o nome do fornecedor. Não fazia ideia de quem era o fornecedor nem de que a dona detesta e-mails longos. Ela tinha dito as duas coisas meses antes. Ninguém anotou. Hindsight anota isso com três

01:03 etapas. Retain. Depois de uma conversa, ele extrai os fatos — quem, o quê e quando — e os guarda em um banco de memória. Recall. Quando você pergunta algo, ele pesquisa de quatro maneiras ao mesmo tempo: pelo significado, pelas palavras exatas, pelas conexões entre pessoas e coisas e pelo tempo. Depois, classifica os resultados. Reflect. Ele raciocina sobre tudo o que sabe para chegar a uma conclusão que nenhuma memória isolada contém. E, assim como você, mantém os fatos sobre o

01:33 mundo separados das próprias experiências. Em segundo plano, ele os combina em observações e crenças, com as evidências anexadas. Funciona? No Long Memory Val, um teste padrão de memória de longo prazo, Hindsight marca 94,6%. Super memory, 85,9. Zip, 71,2. GPT-4 simples, 60,2. Uma ressalva: este é o gráfico da própria Vectorize. O resultado deles foi reproduzido por pesquisadores da Virginia Tech e do Washington Post. As outras pontuações são as divulgadas por cada empresa. Então, fiz meus próprios testes. Teste um: conheça Maya. Ela administra uma padaria com três funcionários e, ao longo de quatro meses, conta quatro coisas à assistente. Junho: mantenha os e-mails com menos de cinco linhas e nosso fornecedor de farinha é a Flower Co. Julho: o desconto de terça-feira não deu certo, mas um vídeo no Instagram nos deixou sem estoque. Agosto: a Flower Co atrasou três vezes, então trocamos para Mill and Stone, com entregas às quintas-feiras.

02:04 Setembro: outro vídeo dobrou os pedidos de pão de fermentação natural, e US$ 300 em panfletos trouxeram cerca de dois clientes. Agora, o mesmo pedido. Sem memória, 42 linhas e espaços em branco para preencher. Com Hindsight, cinco linhas. Para a Mill and Stone: as 20 sacas de sempre nesta quinta-feira. Eis o que uma memória simples erra. O fornecedor mudou. Uma busca simples encontra os dois fornecedores, e a IA pode escolher o errado.

02:35 Perguntei: “Quem é nosso fornecedor de farinha?”. Mill and Stone, em menos de um décimo de segundo, e o sistema manteve o motivo: a Flower Co atrasou três vezes. O que aconteceu em agosto? Ele respondeu com base na data, não apenas em palavras correspondentes. E este é o painel. Cada fato com quem e quando, além das observações que ele criou por conta própria. O teste dois foi o que mais me impressionou. Perguntei: “Em que devo gastar com marketing no próximo mês e o que devo parar de fazer?”. Nunca contei a resposta. Ele deduziu

03:06 por conta própria. Pare com os panfletos. US$ 300 por cerca de dois clientes. Pare com o desconto de terça-feira. As margens caíram. Invista esse dinheiro em vídeos do processo de panificação no Instagram. A única coisa que funcionou duas vezes. Ele não apenas se lembrou. Chegou a uma conclusão. O teste três é para quem programa com IA. Abri um projeto pequeno de caixa de um café no Claude Code e dei a ele duas regras. O desconto para funcionários é de 15%, mas nunca vale para bebidas alcoólicas.

03:37 E o caixa não aceita moedas de um centavo. Então, todo valor é arredondado para os cinco centavos mais próximos. Depois, troquei de ferramenta: Codex. Outro aplicativo, uma nova sessão. E ele nunca tinha ouvido falar dessas regras. Mesma tarefa: um caixa para funcionários. Sem memória, o Codex não perguntou. Adivinhou. Desconto de 20% e nenhum arredondamento. Com Hindsight, a primeira linha dizia: da memória do Hindsight, desconto de 15% em itens sem álcool e arredondamento para os cinco centavos mais próximos. Dez casos de checkout, todos aprovados. Uma memória compartilhada por todos os agents do

04:09 projeto. Para ser justo, o Claude Code agora tem memória própria integrada. E, no meu teste de controle, ele também se lembrou das regras. Então, se você usa apenas o Claude Code, talvez não precise disso. A vantagem é uma memória compartilhada entre Claude Code, Codex, Cursor, Copilot e mais de uma dúzia de outros agents de programação. Ele também aprende com o histórico do Git. Como configurar. Se você programa com agents, é um comando no terminal. NPX vectorize io {slash} hindsight coding agents install, depois Claude Code ou install all.

04:41 Para adicionar memória ao seu próprio aplicativo, inicie o servidor com um comando do Docker. Depois, faça três chamadas: Retain, Recall e Reflect. Funciona com mais de 25 provedores de modelos, incluindo modelos locais e até sua assinatura atual do Claude ou do ChatGPT, sem chave de API. Duas coisas que aprendi do jeito difícil. O modelo mais barato que testei não detectou a regra de jeito nenhum.

05:11 O GPT-5 mini encontrou a regra. E o Codex não executa a memória até você aprovar os hooks. Então, aprove-os na primeira vez que ele perguntar. Afinal, para quem é isso? Para qualquer pessoa cuja IA converse repetidamente com as mesmas pessoas ou trabalhe no mesmo projeto várias vezes. Atendimento, vendas, assistente pessoal ou uma equipe de agents de programação. Para quem não é? A documentação deles diz: em um workflow simples de automação, pode ser exagero. Reuni tudo em um PDF.

05:42 As três maneiras de configurar, os comandos exatos, meus três testes com os resultados reais e os dois erros a evitar. Comente “hindsight” e meu bot envia o PDF para você. Se isso foi útil, clique em “participar” para se tornar membro aqui no YouTube ou inscreva-se no Facebook. Está começando com o Cloud Code? Meus guias para iniciantes estão na descrição. Até a próxima.

06:13 As três maneiras de configurar, os comandos exatos, meus três testes com os resultados reais e os dois erros a evitar. Comente “hindsight” e meu bot envia para você. Se isso foi útil, clique em “Participar” para se tornar membro aqui no YouTube ou inscreva-se no Facebook. Está começando no Cloud Code? Meus guias para iniciantes estão na descrição. Até a próxima.

Transcrição original

[00:00] This delivery robot has never seen these buildings. On its first run, it wanders from office to office until it gets lucky. But, it remembers. Five deliveries later, it knows every floor, and it goes straight there. That is Hindsight, a free open-source memory for AI agents with 28,000 stars on GitHub. So, I tested it. I told Claude Code two rules for a cafe. Then, I opened a different AI Codex and gave it a job. Without memory, it guessed 20% wrong.

[00:32] With Hindsight, it already knew 15. Here is the problem. Every new AI chat starts from zero. I asked a fresh chat to do one simple job, write the email to reorder flour for a small bakery. It wrote 290 words with a blank where the supplier’s name should go. It had no idea who the supplier was, or that the owner hates long emails. She had said both months ago. Nobody wrote it down. Hindsight writes it down with three

[01:03] moves. Retain. After a conversation, it pulls out the facts, who, what, and when, and files them in a memory bank. Recall. When you ask something, it searches four ways at once, by meaning, by exact words, by how people and things connect, and by time. Then, it ranks the results. Reflect. It reasons over everything it knows to reach a conclusion that no single memory contains. And like you, it keeps facts about the

[01:33] world apart from its own experiences. In the background, it merges them into observations, beliefs, with the evidence attached. Does it work? On Long Memory Val, a standard test of long-term memory, Hindsight scores 94.6%. Super memory, 85.9. Zip, 71.2. Plain GPT-4, 0 60.2. One caveat, this is Vectorize’s own chart. Their number was reproduced by researchers at Virginia Tech and the

[02:04] Washington Post. The other scores are what each company reports. So, I ran my own tests. Test one, meet Maya. She runs a bakery with three staff and over four months, she tells her assistant four things. June, keep emails under five lines and our flower supplier is Flower Co. July, the Tuesday discount flopped but an Instagram video sold us out. August, Flower Co was late three times, so we switched to Mill and Stone with deliveries on Thursdays.

[02:35] September, another video doubled sourdough orders and $300 of flyers brought in about two customers. Now, the same request. Without memory, 42 lines and blanks to fill in. With hindsight, five lines. To Mill and Stone, the usual 20 bags this Thursday. Here is the part that simple memory gets wrong. The supplier changed. A plain search finds both suppliers and the AI can pick the wrong one.

[03:06] I asked, “Who is our flower supplier?” Mill and Stone in under a tenth of a second and it kept the reason. Flower Co was late three times. What happened in August? It answered by date, not just by matching words. And this is the dashboard. Every fact with who and when, plus the observations it built on its own. Test two is the one that impressed me. I asked, “What marketing should I spend on next month and what should I stop?” I never told it the answer. It worked it

[03:37] out. Stop the flyers. $300 for about two customers. Stop the Tuesday discount. Margins dropped. Put that money into Instagram videos of the baking process. The one thing that worked twice. It did not just remember. It drew a conclusion. Test three is for anyone who codes with AI. I opened a small cafe checkout project in Claude Code and told it two rules. Staff discount is 15% but never on alcohol.

[04:09] And the till takes no pennies. So, every total rounds to the nearest 5 cents. Then I switched tools, Codex. A different app, a new session. And it had never heard those rules. Same job and a staff checkout. Without memory, Codex did not ask. It guessed. 20% off and no rounding. With hindsight, the first line said from hindsight memory 15% off non-alcohol items and nearest 5 cent rounding. 10 checkout cases, all passing. One memory shared by every agent in the

[04:41] project. To be fair Claude Code now has its own built-in memory. And in my control run, it remembered the rules, too. So, if Claude Code is the only tool you use, you may not need this. The win is one shared memory across Claude Code Codex, Cursor, Copilot, and more than a dozen other coding agents. It also learns from your Git history. Setting it up. If you code with agents, it is one command in your terminal. NPX vectorize io {slash} hindsight

[05:11] coding agents install then Claude Code or install all. To add memory to your own app, start the server with one Docker command. Then make three calls. Retain, recall, and reflect. It works with more than 25 model providers including local models and even your existing Claude or ChatGPT subscription with no API key. Two things I learned the hard way. The cheapest model I tried missed the rule completely.

[05:42] GPT-5 mini found it. And Codex will not run the memory until you approve its hooks. So, approve them the first time it asks. So, who is this for? Anyone whose AI talks to the same people or works on the same project again and again. Support, sales, a personal assistant, or a team of coding agents. Who is it not for? Their own docs say it. For a simple automation workflow, it may be overkill. I put everything into one PDF.

[06:13] The three ways to set it up, the exact commands, my three tests with the real output, and the two mistakes to avoid. Comment hindsight and my bot sends it to you. If this was useful, hit join to become a member here on YouTube or subscribe on Facebook. New to Cloud Code? My beginner guides are in the description. See you in the next one.