Akshay 🚀:GBrain 到底是什么:YC CEO 给自己的智能体造的大脑

译注:原文无标题,标题为译者代拟。


GBrain 到底是什么?(Y Combinator CEO 的个人智能体大脑)

你见过的每一个智能体记忆工具,解决的都是同一个简单问题:存事实,取事实。

GBrain 解决的是另一件事。它给你的智能体一套自己接线、自我丰富、你不在用的时候也在复利的知识系统。这就是它跟 Mem0、Zep、LangMem,或者一个 CLAUDE.md 文件有本质不同的原因。

智能体记忆的标准做法是基于向量的:把记忆存成嵌入(embedding),按语义相似度取回,循环结束。有些工具在这上面加一层知识图谱。

GBrain 把这个模型整个翻了过来。真相之源是一个 Markdown 文件夹。一个人一页,一家公司一页,一个概念一页。每一页都遵循同样的两段结构:

编译真相在上半部分:你当前最好的理解,随着新证据到来不断改写。

时间线在下半部分:一条只增不删的证据链,永远不被编辑。

这不是「带 Markdown 导出的向量库」。**Markdown 本身就是记录系统。**你可以在 VS Code 里打开它、亲手编辑,gbrain sync 会接住这些改动。

接下来是让它能复利的部分。每次写入页面,GBrain 都会抽取实体引用,建立带类型的关系链接:works_at(就职)、invested_in(投资)、founded(创立)、attended(参加)、advises(顾问)。全部确定性规则,全部基于正则,零 LLM 调用。知识图谱在每一次写入时自己接线,一个 token 都不花。

于是当你问「谁在 Acme AI 工作?」或「Bob 这个季度投了什么?」,智能体走的是图谱,而不是依赖向量相似度(这类关系型查询恰恰是向量的弱项)。

搜索层叠加了约 20 种确定性技术协同工作:意图分类、多查询扩展、向量搜索、关键词搜索、倒数排名融合、余弦重打分、编译真相加权、反向链接排序。每一层都接住其他层漏掉的。

但真正的解锁是复利循环。GBrain 有一个信号探测器,每条消息都会触发,在后台捕捉实体。某个人被提到一次?给他建一个占位页。跨不同来源被提到三次?启动网络富化。开完一场会?跑完整条流水线。

智能体还会在夜间运行一个梦境周期:扫描对话、补全缺失的实体、修复断掉的引用、合并记忆。你一觉醒来,大脑已经比睡前更聪明了。

这和那些只存你明确让它存的东西的记忆系统,有根本的不同。Garry Tan(Y Combinator 总裁兼 CEO)造它是为了跑他自己真实在用的智能体。它自带 34 个技能,跑在内嵌的 PGLite 上(无需服务器,2 秒就绪),并且可以作为 MCP 服务器接给 Claude Code、Cursor 和 Windsurf。

GBrain:github.com/garrytan/gbrain

1 / 1
← 滑动或点击两侧翻页 →