FINDING #326 · 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)
12% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
12.14
ACCEL
-0.05
RETENTION
13.8%
PEAK 2026-03-14 · FORK-RETENTION 73.1% · 2,185 STARS / WINDOW
Author Audience
AUDIENCE
4,343
FOLLOWERS
141
OWNER ★
20,306
Engagement Signals
FORKS
1,127
ISSUE AUTH
91
PR AUTH
183
UNIQUE STARGAZERS 2,180 / 2,185 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 2,185 звёзд за окно, тогда как у автора всего 141 подписчиков — эффективная аудитория ≈ 4,343. Это даёт surprise-индекс 0.00277 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 73.1% и 274 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 89% OF 2987 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 2987 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.00ABOVE 89%
VELOCITY12.142.84+9.29ABOVE 90%
RETENTION13.8%6.8%+6.9 PPABOVE 77%
FORKS1,1271,068+59ABOVE 51%
SURPRISE0.000.00+0.00ABOVE 74%