FINDING #912 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
80.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-07-15 · FORK-RETENTION 0.0% · 80 STARS / WINDOW
Author Audience
AUDIENCE
4,343
FOLLOWERS
141
OWNER ★
20,306
Engagement Signals
FORKS
1,127
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 80 / 80 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 80 звёзд за окно, тогда как у автора всего 141 подписчиков — эффективная аудитория ≈ 4,343. Это даёт surprise-индекс 0.0183 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 71% OF 3194 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 3194 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.00ABOVE 71%
VELOCITY80.0010.00+70.00ABOVE 93%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS1,127176+951ABOVE 88%
SURPRISE0.020.02+0.00ABOVE 52%