FINDING #2011 · 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
83.37
ACCEL
+3.89
RETENTION
30.3%
PEAK 2026-08-21 · FORK-RETENTION 17.8% · 2,501 STARS / WINDOW
Author Audience
AUDIENCE
5,315
FOLLOWERS
169
OWNER ★
24,887
Engagement Signals
FORKS
1,668
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 2,501 / 2,501 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 2,501 звёзд за окно, тогда как у автора всего 169 подписчиков — эффективная аудитория ≈ 5,315. Это даёт surprise-индекс 0.0156 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 17.8% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 79% OF 9595 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9595 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 79%
VELOCITY83.373.67+79.70ABOVE 98%
RETENTION30.3%24.6%+5.6 PPABOVE 62%
FORKS1,668115+1,553ABOVE 94%
SURPRISE0.020.01+0.01ABOVE 66%