# Hindsight

Source: https://docs.aicentos.com/fr/clients/hindsight

Language: fr

> Configurer les modèles aicentos pour le service de mémoire Hindsight — quatre variables d'environnement suffisent, compatible OpenAI

Hindsight est un système de mémoire pour agents open source, qui fournit un service auto-hébergé, des interfaces HTTP / MCP, un SDK et un CLI. Ce n'est pas un client de chat en soi, mais **l'extraction de la mémoire nécessite un LLM**, et ce LLM peut pointer vers aicentos.

## Prérequis

Créez d'abord dans la console une clé dédiée pour Hindsight (nommez-la par exemple `hindsight`).

* Console : [https://aicentos.com](https://aicentos.com)
* Créer une clé : [https://aicentos.com/keys](https://aicentos.com/keys)
* Recharger le portefeuille : [https://aicentos.com/wallet](https://aicentos.com/wallet)

Le serveur Hindsight nécessite PostgreSQL 14 ou supérieur. Son `pg0` intégré ne convient qu'au développement ; en production, connectez votre propre instance.

```bash
pip install hindsight-api
```

## Configuration à renseigner

| Variable d'environnement     | Valeur                                                              |
| ---------------------------- | ------------------------------------------------------------------- |
| `HINDSIGHT_API_LLM_PROVIDER` | `openai`                                                            |
| `HINDSIGHT_API_LLM_BASE_URL` | `https://aicentos.com/v1`                                           |
| `HINDSIGHT_API_LLM_API_KEY`  | clé créée dans la console                                           |
| `HINDSIGHT_API_LLM_MODEL`    | nom du modèle dans la « place de marché des modèles » de la console |

## Étapes de configuration

Il suffit de les écrire dans l'environnement de démarrage, sans modifier le code :

```bash
export HINDSIGHT_API_LLM_PROVIDER="openai"
export HINDSIGHT_API_LLM_BASE_URL="https://aicentos.com/v1"
export HINDSIGHT_API_LLM_API_KEY="sk-votre-clé-API"
export HINDSIGHT_API_LLM_MODEL="votre-nom-de-modèle"

hindsight-api
```

En déploiement Docker, placez ces variables dans le champ `environment` du compose. À noter : l'image officielle n'inclut pas `llama.cpp`, ne comptez pas faire tourner un modèle local dans le conteneur.

## Test

```bash
curl -fsSL https://hindsight.vectorize.io/get-cli | bash
hindsight health
```

Une fois le service démarré, écrivez une mémoire puis relisez-la : si l'aller-retour fonctionne, l'appel au LLM est opérationnel. Vous pouvez aussi consulter directement la consommation dans la console : chaque extraction de mémoire par Hindsight génère une requête.

## Remarques

* `BASE_URL` doit se terminer par `/v1`, et l'amont doit pouvoir servir `/chat/completions` ; avec `https://aicentos.com`, vous obtiendrez une 404.
* Sans clé LLM configurée, le service refuse de démarrer : c'est une validation obligatoire de son côté, pas une clé mal saisie.
* L'extraction de mémoire est un traitement par lots en arrière-plan ; la consommation croît avec le nombre de mémoires. Il est conseillé de donner à Hindsight une clé dédiée pour l'observer facilement.
* `HINDSIGHT_API_LLM_PROVIDER` à `openai` désigne le protocole compatible OpenAI, et non l'usage exclusif de modèles OpenAI.

## Liens utiles

* [Configuration des modèles Hindsight](https://hindsight.vectorize.io/developer/models)
* [Dépôt hindsight](https://github.com/vectorize-io/hindsight)