FINDING #1796 · 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
71.40
ACCEL
-2.23
RETENTION
19.9%
PEAK 2026-06-24 · FORK-RETENTION 0.0% · 2,142 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 2,142 / 2,142 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 2,142 звёзд за окно, тогда как у автора всего 141 подписчиков — эффективная аудитория ≈ 4,343. Это даёт surprise-индекс 0.0163 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 71% OF 6295 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6295 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.00ABOVE 71%
VELOCITY71.404.23+67.17ABOVE 96%
RETENTION19.9%29.4%-9.5 PPABOVE 31%
FORKS1,12792+1,035ABOVE 93%
SURPRISE0.020.01+0.00ABOVE 59%