FINDING #2469 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
48.57
ACCEL
+6.25
RETENTION
0.0%
PEAK 2026-07-15 · FORK-RETENTION 0.0% · 340 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 340 / 340 (DIVERSITY 1.00)
Why This Is A Finding
vectorize-io/hindsight собрал 340 звёзд за окно, тогда как у автора всего 141 подписчиков — эффективная аудитория ≈ 4,343. Это даёт surprise-индекс 0.0111 (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 64% OF 6892 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6892 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 64%
VELOCITY48.574.14+44.43ABOVE 94%
RETENTION0.0%40.6%-40.6 PPABOVE 0%
FORKS1,12789+1,038ABOVE 93%
SURPRISE0.010.01+0.00ABOVE 50%