Inicio Proyectos hindsight
hindsight

hindsight

por vectorize-io · GitHub

Hindsight: Memoria de Agente que Aprende

Ver en GitHub
En palabras simples

Desarrolla agentes de IA más inteligentes que pueden aprender y mejorar su memoria con el tiempo.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
hindsight — GitHub preview card
📈 Historial de estrellas
19k18k
2026-06-282026-07-29
📈 Sigue hindsight

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Hindsight: Memoria de Agente que Aprende

hindsight tiene 18.9k estrellas en GitHub. Se ha bifurcado 1.2k veces. hindsight está escrito principalmente en Python. Se desarrolla activamente desde 2025. hindsight está disponible bajo la licencia MIT. Sus temas principales son: agentic-ai, agents, ai-memory, memory.

Frequently asked questions

¿Qué es hindsight?

Hindsight: Memoria de Agente que Aprende

¿hindsight es de código abierto?

hindsight es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿hindsight es gratis?

Sí. hindsight es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está hindsight?

hindsight está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito hindsight?

hindsight está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — hindsight

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=vectorize-io-hindsight)](https://opensourceai.tech/project/vectorize-io-hindsight.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.