AI好奇记｜想要换掉RAG，可试试看hindsight

今早7点便坐到电脑前，但直到7点35分这一刻才敲下这第一句话。

前面的35分钟，20分钟刷知乎推荐，看到的内容很多，记住的只有“安史之乱的源头是武则天”一条；15分钟简单看两条Trending。

这懒散，最大可能源于今天已经是放假的第三天——懒散习惯了。

一、GitHub流行趋势#

话不多说，言归正传，首先依然是GitHub的流行趋势。

增星超过5K的，依然有ECC（https://github.com/affaan-m/ECC），是否应该花心思去好好研究一下呢？

我去读了一下作者的简要介绍（https://x.com/affaan/status/2012378465664745795），收获的认知是这样的：ECC最初专为Claude Code设计，它是一个很全面的开发者辅助工具：如何规划，如何写代码，如何测代码，以及如何review。

上周说想要试一下的两个工具，我只先尝试了阿里的review，得出的结论是：对现在的我来说，可用性不太强，我还是更喜欢在Codex中调用一下自己的“多轮review” Skill。

Ocra还未尝试，它依然在本周的流行趋势前列。

A coding-agent skill for multi-phase security audits with independently verified, machine-readable findings.

一个用来做安全审计的Skill。

The open-source app everyone uses to manage agents at work.

这个感觉有点好玩，给正做事情的Agent们划分角色与组织，为方便自己管理，也适合“一人公司”。

Hindsight: Agent Memory That Learns.

读完hindsight的介绍，我所想到的是，这是一个拟人化的可代替RAG的系统，整体的思路都是：存数据、召回数据、将数据给大模型。

差异有以下这些：

维度	传统 RAG (Retrieval-Augmented Generation)	Hindsight 记忆系统
定位与目标	知识检索：专注于从静态文档库（PDF/Markdown 等）中查找相关段落。	Agent 增量学习：专注于在交互过程中随时间积累、理解并演进记忆。
存储组织	主要是扁平化的向量数据库（Chunks + Embeddings），部分结合知识图谱。	拟生记忆结构：包含事实、经验、演化信念（Observations）和心智模型（Mental Models）。
更新机制	静态或追加式，新旧知识容易冲突，无法自动“消化”和修正历史信息。	后台整理与演化：新信息入库会强化、削弱或补充现有的 Observation，自动修正认知。
检索方式	单一向量相似度匹配，或简单的向量+关键词混合搜索。	四维并行检索（向量 + 关键词 + 图谱 link + 时间维度）结合 Cross-Encoder 重排。
思考深度	只做“找资料”（Lookup），把原始文本丢给 LLM。	提供 Reflect（反思）操作，支持 Agent 对已有记忆做提炼与深层因果推导。
启动性能	每次都需要经过完整的“搜索-拼接 Prompt”过程，消耗 token 且有延迟。	支持 Mental Models ，Agent 启动时可直接像读内存一样读入预提炼好的总结。

总结来说： 传统 RAG 就像给 AI 挂载了一个外置搜索引擎 ，只负责“按关键词/语义找文段”；而 Hindsight 是给 AI 装上了一套海马体与大脑皮层 ，不仅能记住经历，还能在后台把分散的经历消化成知识与经验。

（以上表格复制于Gemini。）

OpenAI在本周新发布了6 Sol和6 Luna。其中值得关注的一点是6 Sol的价格只是5.6 Sol的一半 ，至于效果的升级，我在网上暂时没有搜到很明确的结论。

模型界最近两周新出的很火爆关键词是Jev，这是一种全新的模型。

Jev 是一款专为自动化软件设计的系统一（System One）AI 模型，能将非结构化数据极速（70ms-500ms）、无幻觉地转化为类型安全且带精确置信度的结构化决策数据，供代码逻辑直接调用。

过去两年我的工作当中，一个很有意思的功能是意图识别，即让模型判断用户到底想做什么，然后走对应的分支逻辑。想要意图识别准确，往往需要来回调好多好多次提示词，而Jev，是专门做这件事情的。

最后，今儿还看见这样一个言论：

当我们知道TikTok花大价钱招聘神经科学和行为学工程师，以及说服性设计专家，来破解我们多巴胺回路时，我每天都在庆幸自己从未在这个平台上创建账户，哈哈。

看看这些fMRI和EEG科学研究，它们非常清楚地显示，短视频格式直接攻击前额叶皮层和前扣带回（顺便说一句，这些区域负责执行控制、决策和注意力调节）。

要知道，通过向大脑轰炸不可预测的微刺激，算法会改变灰质密度，降低默认模式网络的活动，而且这种持续的过度刺激会导致慢性无法进行长期思考，并摧毁专注能力——对我来说，这两种能力在当今时代简直是字面意义上的必需品，用来构建未来。

总之，我认为拒绝进入这个系统，简直就是简单地保护自己的认知自主性和注意力主权，面对这种量身定制的成瘾工程。

我是相信这个言论的，特别是小孩子，请少刷短视频。

本周的AI好奇记到此结束，这两小时的学习依然处于探索期。本周有一点小小改变，新增X的Trending。（原文链接，更新于2026-09-27。）