FINDING #1992 · UNIT ID 1086419061
vectorize-io/hindsight
Hindsight: Agent Memory That Learns
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
11% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
81.23
ACCEL
+4.56
RETENTION
32.0%
PEAK 2026-08-21 · FORK-RETENTION 17.1% · 2,437 STARS / WINDOW
Author Audience
AUDIENCE
5,284
FOLLOWERS
169
OWNER ★
24,728
Engagement Signals
FORKS
1,661
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 2,437 / 2,437 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 2,437 звёзд за окно, тогда как у автора всего 169 подписчиков — эффективная аудитория ≈ 5,284. Это даёт surprise-индекс 0.0153 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 17.1% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 79% OF 9591 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9591 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 79%
VELOCITY81.233.63+77.60ABOVE 98%
RETENTION32.0%24.8%+7.2 PPABOVE 64%
FORKS1,661120+1,541ABOVE 94%
SURPRISE0.020.01+0.01ABOVE 66%