# Instrucciones para el agente: Hindsight: memoria recuperable entre sesiones de agentes

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

- Dificultad: avanzado
- Proyecto: https://github.com/vectorize-io/hindsight (licencia MIT)
- Guía completa: https://lab.wisd.ai/hub/hindsight

---

## Para el agente: cómo acompañar al usuario

1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

---

## Pasos de configuración

### Paso 1: prepara un banco de prueba

Comprueba que Docker está funcionando y que el entorno Python del cliente tiene Python ≥3.10 y pip ([metadatos oficiales](https://github.com/vectorize-io/hindsight/blob/main/hindsight-clients/python/pyproject.toml)). Configura `OPENAI_API_KEY` como variable de entorno privada. Su valor lo aporta el usuario; no lo guardes en notas ni en el código. El [README](https://github.com/vectorize-io/hindsight#quick-start) muestra otros proveedores.

### Paso 2: arranca el servidor del ejemplo oficial

```bash
docker run -it --pull always --name hindsight --restart unless-stopped -p 8888:8888 -p 9999:9999   -e HINDSIGHT_API_LLM_API_KEY=$OPENAI_API_KEY   -v hindsight-data:/home/hindsight/.pg0   ghcr.io/vectorize-io/hindsight:latest
```

El contenedor queda en primer plano: deja esa terminal abierta y usa otra para instalar y ejecutar el cliente Python. Abre `http://localhost:9999` para la interfaz. Este ejemplo publica puertos: úsalo en un entorno controlado y revisa la guía de despliegue antes de exponerlo.

### Paso 3: conecta Python

```bash
pip install hindsight-client -U
```

Guarda como `prueba_memoria.py` el ejemplo oficial con datos ficticios; se añade `print` para que los resultados sean visibles:

```python
from hindsight_client import Hindsight

client = Hindsight(base_url="http://localhost:8888")
client.retain(bank_id="my-bank", content="Alice works at Google as a software engineer")
print(client.recall(bank_id="my-bank", query="What does Alice do?"))
print(client.reflect(bank_id="my-bank", query="Tell me about Alice"))
```

Desde esa carpeta ejecuta `python prueba_memoria.py` con el mismo entorno.

## Comprobación

Inspecciona el resultado de `recall` y el banco `my-bank` en la interfaz. Confirma que recupera el dato de Alice antes de incorporar conversaciones reales. La llamada a `reflect` debe responder con información compatible con lo guardado.

## Si algo falla

Revisa la conectividad a la API, la autenticación del proveedor y los mensajes del contenedor. No cambies de banco para ocultar un problema de recuperación. Consulta la [guía de instalación](https://hindsight.vectorize.io/developer/installation) para plataformas y alternativas a Docker.