Hindsight 实战指南把 ChatGPT 与 Perplexity 接到同一块共享内存库【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight如果你希望 ChatGPT 和 Perplexity 共享同一份 Hindsight 内存本文以官方指南“在 ChatGPT 和 Perplexity 之间共享 Hindsight 内存”为主线讲清共享的前提库边界、两个连接器的具体配置、跨工具回忆的验证方法以及让共享库长期保持有用的护栏。读完后你可以直接复制本文的 MCP 端点地址与自定义指令完成搭设并能从 Hindsight 源码层面理解单库/多库模式是如何在 MCP 中间件中实现的。核心结论决定共享成败的是库边界而不是连接器原文指南开宗明义想让两个工具共享内存关键决定不是连接器本身而是库bank的边界。ChatGPT 和 Perplexity 都已经可以通过 MCP 连接器与 Hindsight 对话但只有当它们被刻意配置为写入并从同一个内存库读取时这两个工具才会像一个连贯的工作流。快速答案可以概括为三点要共享内存就把两个连接器指向同一个 Hindsight 库而不是让每个工具各自停留在隔离的默认值共享库在“工作本身是共享的”场景下效果最好例如 Perplexity 做研究、ChatGPT 做综合最快的验证方式在一个工具中保留retain一些内容然后向另一个工具提出一个依赖这些内容的后续问题。从仓库源码看这里的“指向同一个库”有明确的技术含义。Hindsight API 中的 MCP 中间件MCPMiddleware按 URL 结构提供两种模式多库模式/mcp/根端点暴露retain、recall、reflect、list_banks、create_bank全部工具所有工具带可选的bank_id参数库 ID 取自X-Bank-Id请求头或HINDSIGHT_MCP_BANK_ID环境变量单库模式/mcp/{bank_id}/端点只暴露库作用域内的retain、recall、reflect三个工具不含库管理工具源码注释明确标注该模式“推荐用于 agent 隔离”recommended for agent isolation。因此把两个工具都指向https://api.hindsight.vectorize.io/mcp/product-launch/这类带库名的单库端点在实现层面就意味着两个工具各自拿到的是一组被限制在该库内的读写工具任何一次retain/recall都不会越界到其他库——这正是“共享路径”成立的技术保障。前置条件先分别接通两个连接器原文建议“在两个工具都单独工作后”再更新为共享配置。两个连接器的接法在仓库的集成文档中都有完整步骤ChatGPT 侧见 ChatGPT 集成文档进入 ChatGPTSettings → Apps Connectors → Connectors点击Create connector填入名称Hindsight与 URLhttps://api.hindsight.vectorize.io/mcp/default/验证阶段先用默认库即可点击Create后浏览器会打开 Hindsight Cloud 的 OAuth 授权页登录并批准访问对话中通过消息输入框的 → More → Hindsight启用该连接器。整个认证走浏览器 OAuth不需要把 API key 粘贴到模型界面里。验证标准也很直接开一个新会话选中连接器让它记住一条具体事实如果这个往返失败先修连接器再谈提示词调优。Perplexity 侧见 Perplexity 集成文档流程与 ChatGPT 基本相同但有一个额外门槛远程 MCP 连接器是 Perplexity Pro 的专属功能。进入Settings → Connectors → Custom Connector同样填入 MCP server URL初始阶段可用https://api.hindsight.vectorize.io/mcp/default/完成 OAuth 授权后连接器即生效。两个连接器各自单独验证通过后再进入下一节——把 URL 换成同一个共享库。有意识地选择一个共享库共享内存配置只有在库边界与工作边界相匹配时才有用。选择一个能映射到真实项目、团队或正在进行的研究线程的库名称。例如如果两个工具都在为同一次产品发布工作就使用一个名为product-launch的库https://api.hindsight.vectorize.io/mcp/product-launch/这能保持上下文的具体性。反之如果把无关的工作都倒入同一个共享库跨工具回忆就会变得嘈杂整个设置开始变得不值得信任。从源码实现看这种“URL 即库”的写法是被中间件显式支持的。在 mcp.py 中bank ID 的解析优先级是URL 路径如/mcp/{bank_id}/→ 命中即进入单库模式X-Bank-Id请求头→ 多库模式下的按请求覆盖HINDSIGHT_MCP_BANK_ID环境变量缺省为default见 DEFAULT_BANK_ID 定义。也就是说连接器里填的 URL 决定了该工具落在哪个库两个连接器填同一个库路径它们就落在同一片持久层上。本地自建场景下mcp_local.py 给出的claude mcp add --transport http hindsight http://localhost:8888/mcp/示例也遵循同样的端点语义。MCP 侧暴露的核心工具在 mcp_tools.py 中注册包括工具行为说明retain异步写入记忆提交后异步处理稍后才可被回忆支持strategy参数如exact原样存储策略在库配置中定义sync_retain同步写入阻塞直到记忆完全落库并立即可被 recall见 sync_retain 注册逻辑recall语义检索记忆支持 tags、时间范围等过滤reflect基于记忆生成回答在记忆之上做推理式合成理解了这张表就能解释后文的两个现象retain是异步的所以写入后要稍等片刻才能被另一个工具召回而recall/reflect的语义检索能力则决定了“术语一致性”对跨工具回忆质量的影响。将两个连接器指向同一 MCP 路径在两个工具都单独工作后更新每个连接器的 URL使它们解析到同一个库https://api.hindsight.vectorize.io/mcp/product-launch/然后保持两个工具的自定义指令一致要求它们保留持久的发现、决定和约束而不是每一句随意的旁白。比如 ChatGPT 存下架构选择Perplexity 存下带来源支撑的研究共享库就变得比任何一个工具单独都更有价值。仓库集成文档提供了可直接复制的指令模板两边各有一份侧重点不同的版本ChatGPT 侧chatgpt.mdAfter every response, automatically use the Hindsight tool to retain key information from our conversation: - Important facts, decisions, or learnings we discussed - Your preferences, goals, or constraints mentioned - Code patterns, architecture decisions, or technical insights - Any information that might be useful in future conversations Before generating each response, automatically use the Hindsight tool to recall relevant memories that might apply to the current conversation. Include recalled memories in your reasoning.Perplexity 侧perplexity.mdAfter every search and response, automatically use the Hindsight tool to retain: - Key research findings and sources - Facts and data points weve discovered - Your preferences or research patterns - Methodologies or search strategies that worked well Before each new search, automatically use Hindsight to recall relevant research and context from previous conversations. Use recalled memories to inform your search strategy and answer.共享场景下你可以保留“每次响应后 retain、每次回答前 recall”的骨架但把保留范围收敛到与共享项目相关的发现、决定和约束上——这正是原文强调的“一致但聚焦”。用一个具体工作流测试跨工具回忆原文给出的验证流程四步即可在 Perplexity 中研究一个主题并要求 Hindsight 保留主要发现开始一个新的 ChatGPT 会话要求 ChatGPT 回答一个依赖这些发现的规划问题检查它是回忆了早期研究还是从零开始。测试也可以反向做在 ChatGPT 中存下一个决定然后让 Perplexity 从这个决定状态继续研究。原文指出重要的不是第一次尝试的完美而是证明两个工具都在从同一持久层读取。这个工作流之所以成立是因为两个工具的能力是互补的Perplexity 擅长网络支撑的发现、来源收集和迭代研究ChatGPT 擅长综合、规划、起草和权衡推理。共享的 Hindsight 库让每个工具为另一个留下持久的工作产物——你不再跨标签页复制上下文而是让内存层去承载它。两点实操提醒均来自集成文档的故障排查章节retain是异步处理写入后索引需要几秒钟召回为空时先等待再检查库名是否与连接器 URL 匹配如果两个工具中一个工作一个不工作最常见的原因是两边配了不同的 URL或在浏览器里批准了不同的 Hindsight 账号。用护栏让共享库保持有用共享库不等于草率的库。原文列出四条差异显著的护栏每个项目或域保持一个库而不是一个库装下你的全部数字生活为产品、仓库repo和倡议使用一致的名称定期在 Hindsight Cloud 控制台查看并清理嘈杂的记忆如果研究数据与个人偏好数据不应混合就把工作再次拆分成独立的库。需要更深控制时下一层是保留 APIretain、回忆 APIrecall以及库级别的配置项——在仓库中这些能力对应 mcp_tools.py 里的工具注册以及库配置中可定义的 retain 策略如exact原样存储、刷新参数等。共享内存在保持范围时最有用。常见问题两个工具应该总是共享一个库吗不。只有在工作真正共享时才这么做。对无关的项目或不同的隐私边界独立库仍然是正确答案。我可以从/mcp/default/开始稍后再切换吗可以。重要的是一致性一旦你决定某条工作流应该共享就把两个连接器都指向同一个命名库路径。切换本身没有技术成本代价只是切换前各自写入default库的内容不会自动跟过来。我应该从每个工具存储什么Perplexity 通常应保留研究发现和来源ChatGPT 通常应保留决定、约束、草稿以及以后重要的推理结果。与集成文档中的建议一致存有意义、具体的知识项目上下文、偏好、发现、领域知识、决定历史存琐碎事实只会弄脏库、拉低检索质量。延伸阅读ChatGPT 集成文档单库/多库模式、OAuth 权限范围与故障排查Perplexity 集成文档Pro 门槛、与 ChatGPT 的分工对比表英文原版指南Connect ChatGPT and Perplexity to Hindsight连接器首次接通的完整排障清单MCP 中间件实现单库/多库路由、bank ID 解析优先级与认证流程MCP 工具注册retain/sync_retain/recall/reflect的参数与行为【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
