FINDING #188 · 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)
9% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
10.99
ACCEL
-0.20
RETENTION
10.2%
PEAK 2026-03-14 · FORK-RETENTION 87.7% · 1,979 STARS / WINDOW
Author Audience
AUDIENCE
5,284
FOLLOWERS
169
OWNER ★
24,728
Engagement Signals
FORKS
1,661
ISSUE AUTH
70
PR AUTH
127
UNIQUE STARGAZERS 1,974 / 1,979 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 1,979 звёзд за окно, тогда как у автора всего 169 подписчиков — эффективная аудитория ≈ 5,284. Это даёт surprise-индекс 0.00207 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 87.7% и 197 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 89% OF 1696 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1696 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.00ABOVE 89%
VELOCITY10.992.82+8.17ABOVE 89%
RETENTION10.2%4.8%+5.4 PPABOVE 78%
FORKS1,6611,584+78ABOVE 51%
SURPRISE0.000.00+0.00ABOVE 75%