YC CEO 开源自己搭建OpenClaw/Hermes Agent 配置GBrain，如果你希望你的 OpenClaw 或 Hermes Agent 能够完美地记住所有 10,000 多个 markdown 文件，GBrain 可以帮到你。
YC总裁Garry Tan刚刚开源了他的第二大脑系统GBrain，简单来说GBrain 解决的是怎么用 AI 管理你脑子里的知识。
这套系统的核心思路是：让AI agent拥有一个持续成长的知识库，在每次回答问题前先读取它，对话结束后再写入新内容。
GBrain是什么
GBrain是一个AI agent的知识底座。它把你的会议记录、邮件、推文、日历事件、语音通话、原始想法统统汇入一个可检索的知识库，agent在每次回答前会先读取这个知识库，对话结束后再写入新信息。每一轮对话都让agent变得更聪明一些。
从安装到完整运行，约需30分钟。数据库初始化只需2秒，使用PGLite，无需任何服务器。
Garry Tan本人的部署规模：10000多个Markdown文件、3000多份人物档案、13年的日历数据、280多份会议记录、300多个原始想法。
目前支持Claude Opus 4.6和GPT-5.4 Thinking，不适合在小模型上运行。
复利效应
GBrain的核心逻辑是一个循环：
信号到来（会议、邮件、推文、链接）→ agent识别实体（人物、公司、想法）→ 先读取知识库 → 带着完整上下文回答 → 把新信息写回知识库 → 同步索引，供下次检索使用
这个循环每转一圈，知识库就积累一层。你跟某人开了个会，agent给他建一个档案页，关联到他的公司，打上相关标签。下周另一个人在完全不同的话题里提到这家公司，agent已经有了完整背景：你跟谁谈过、谈了什么、还有哪些待处理的线索。你什么都不用做。
没有这个循环，agent每次都从零开始。有了它，每次对话都在已有基础上累积。差距每天都在拉大。
GBrain能回答的问题示例：
-
• 谁同时认识Pedro和Diana，适合邀请来一起吃晚饭？（在3000多个人物档案构成的社交图谱里交叉检索） -
• 我之前怎么看待"羞耻感和创始人表现之间的关系"？（搜索你自己的思考记录，不是搜互联网） -
• 30分钟后要跟Jordan开会，帮我准备一下。（调取档案、共同历史、最近动态、未完事项）
这套东西是怎么来的
Garry Tan在配置自己的OpenClaw agent时，开始维护一个Markdown知识库：每人一页，每家公司一页，顶部是已整理的核心信息，底部是只追加不修改的时间线。随着持续写入，agent变得越来越有用，他也就一直在喂它。
一周内，他就建起了10000多个文件。
他的agent在他睡觉时也在运行。所谓"梦境循环"：扫描每一次对话，补充缺失实体，修复断开的引用，整合记忆。他醒来，知识库比他睡前更完整。详细的定时任务配置见 https://github.com/garrytan/gbrain 中的cron schedule指南。
知识模型
GBrain里每一页都遵循"已整理事实 + 时间线"的结构：
分隔线上方是已整理事实，即你当前对某件事的最佳理解，新证据出现时会整体重写。分隔线下方是时间线，只追加，永不修改。
已整理事实是答案，时间线是证据。
搜索怎么工作
查询一个问题时，系统先用Claude Haiku做多查询扩展，把这个问题改写成多种表达方式，然后同时跑向量搜索（HNSW余弦相似度）和关键词搜索（tsvector），再用RRF融合排名，最后经过四层去重：每页只保留最优分块、余弦相似度超过0.85的合并、类型多样性上限60%、每页分块数量上限。
纯关键词搜索会漏掉概念性匹配。比如"无视常规做法"搜不到标题叫"天才的公交车票理论"的文章，但这篇文章的核心恰好就是讲这件事。纯向量搜索在精确短语上表现会变差。RRF融合两者兼顾，多查询扩展则覆盖你没想到的表达方式。
不需要服务器起步
gbrain init 默认使用PGLite，这是通过WASM运行的嵌入式Postgres 17.5。无需Supabase账号，无需Docker，无需连接字符串。一条命令就能获得完整的Postgres知识库，含pgvector、混合搜索和全部37个操作。
当知识库规模超出本地能力（1000个文件以上），gbrain migrate --to supabase 一键迁移到托管Postgres。Supabase免费层（500MB）装不下大规模知识库，需要Pro版（25美元/月，8GB）。
以7500页规模的知识库为例，总存储约750MB，其中嵌入向量134MB，HNSW索引开销270MB。初始嵌入成本约4到5美元（通过OpenAI text-embedding-3-large）。
三种使用路径
不一定非要配合OpenClaw或Hermes Agent，GBrain支持三种接入方式：
独立命令行：全局安装后直接在终端使用，gbrain query 即可检索笔记。
MCP服务器：对接Claude Code、Cursor、Windsurf等，GBrain通过stdio暴露30个MCP工具，包括get_page、put_page、search、query、add_link、traverse_graph、sync_brain等。配置方式：
{
"mcpServers": {
"gbrain": {
"command": "gbrain",
"args": ["serve"]
}
}
}远程MCP服务器：部署到Supabase Edge Functions后，可以从任何设备、任何AI客户端访问，支持Claude Desktop、Perplexity、Cowork等。ChatGPT的OAuth 2.1支持尚未实现，自托管方案（Tailscale Funnel、ngrok）在文档中有说明。
数据接入
GBrain自带多种集成方案，由agent读取配置文件后向你索取API密钥并自动完成配置：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
技能文件
GBrain的agent行为通过技能文件定义，本质上是一批Markdown文档，告诉agent如何使用知识库，而不是把逻辑硬编码进二进制文件：
-
• ingest：如何导入会议、文档、文章，更新已整理事实，追加时间线，建立交叉引用 -
• query：三层搜索（关键词 + 向量 + 结构化），带来源引用，不知道的事直接说不知道 -
• maintain：定期健康检查，发现矛盾内容、过期已整理事实、孤立页面、失效链接 -
• enrich：从外部API补充页面内容 -
• briefing：每日简报，包含今日会议参与者背景、活跃交易及截止日期、近期变化 -
• migrate：从Obsidian、Notion、Logseq等迁移过来
工具本身不够，agent还需要行动手册：何时读取，何时写入，如何识别实体，如何把所有内容关联起来。
