FINDING #179 · 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
10.90
ACCEL
-0.20
RETENTION
10.2%
PEAK 2026-03-14 · FORK-RETENTION 89.3% · 1,962 STARS / WINDOW
Author Audience
AUDIENCE
5,315
FOLLOWERS
169
OWNER ★
24,887
Engagement Signals
FORKS
1,668
ISSUE AUTH
69
PR AUTH
125
UNIQUE STARGAZERS 1,957 / 1,962 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 1,962 звёзд за окно, тогда как у автора всего 169 подписчиков — эффективная аудитория ≈ 5,315. Это даёт surprise-индекс 0.00204 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 89.3% и 194 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 89% OF 1664 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1664 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.00ABOVE 89%
VELOCITY10.902.84+8.06ABOVE 89%
RETENTION10.2%4.7%+5.4 PPABOVE 79%
FORKS1,6681,596+73ABOVE 51%
SURPRISE0.000.00+0.00ABOVE 74%