FINDING #1400 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
162.33
ACCEL
-23.00
RETENTION
22.3%
PEAK 2026-08-27 · FORK-RETENTION 25.0% · 487 STARS / WINDOW
Author Audience
AUDIENCE
5,276
FOLLOWERS
169
OWNER ★
24,728
Engagement Signals
FORKS
1,661
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 487 / 487 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 487 звёзд за окно, тогда как у автора всего 169 подписчиков — эффективная аудитория ≈ 5,276. Это даёт surprise-индекс 0.0305 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 25.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 85% OF 9558 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 85%
VELOCITY162.335.67+156.67ABOVE 99%
RETENTION22.3%42.9%-20.6 PPABOVE 35%
FORKS1,661333+1,328ABOVE 80%
SURPRISE0.030.00+0.03ABOVE 81%