GBrain：给AI Agent装上长期记忆，12天搭出自治系统

还记得前段时间在开发者圈爆火的 GStack 吗？

简单回顾一下，这是由 Y Combinator 现任总裁兼 CEO Garry Tan 开源的一套专为 AI 编写代码设计的 Skill 工作流，目前已在 GitHub 上获得了超过 7 万颗星，每天有 3 万开发者在使用，堪称 Claude Code 生态中的模板级项目。

就在几天前，Garry Tan 又发布了一个新项目——GBrain。

这一次，它剑指 AI Agent 领域一个长期存在的难题：金鱼脑（短期记忆）问题。

简而言之，AI Agent 每次开启对话都“从零开始”，昨天告诉它的信息，今天就忘得一干二净。GBrain 的使命可以浓缩为一句话：为你的 AI Agent 安装一个能持续学习和进化的长期记忆系统。

该项目于 4 月初开源，短短十几天便收获了超过 9000 颗星。作者本人已经用它来驱动自己日常使用的真实 Agent，目前该系统已实现全自动运行，管理着 17888 个页面、4383 个人物、723 家公司以及 21 个定时任务。而这一切，他只花了 12 天便搭建完成。

01. 项目简介

GBrain 是一个为 AI Agent 打造的长期记忆系统。

你的 Agent 接入它之后，即使在你不使用的时候，也能自主学习、不断进化。它能够自动消化你的会议记录、邮件、推特、语音通话以及随手记录的想法，并在此基础上，为你补充每个出现过的人和公司的资料，甚至能自行修复损坏的引用、整理混乱的记忆。

当你第二天醒来，你的 Agent 已经比昨晚睡前更“聪明”了。

• 开源地址：github.com/garrytan/gbrain

它和 GStack 是什么关系？

简单来说，GStack 负责教会 Agent “如何写代码”，而 GBrain 负责教会 Agent “如何记事与思考”。两个项目既可以独立使用，也能完美结合。

在 GBrain 项目中，有一个名为 hosts/gbrain.ts 的文件，它就像一座桥梁。装上它之后，GStack 的编码 Skill 在动手写代码前，会先查询一下“脑子”，看看你之前是否已经讨论过或决定了某些事。如果你已经在使用 GStack，那么装上 GBrain 后，基本上就复现了 Garry Tan 自己的完整工作流：一个管“手”，一个管“脑”。

02. 四大核心亮点

亮点一：25 个即插即用的 Skill

GBrain 内置了 25 个 Skill，按功能分类，安装即可使用。

其中有两个 Skill 是永远在线的：

1. signal-detector：每一条新消息进来时，它都会在后台调用一个成本较低的小模型，自动抓取你随口说出的观点、提到的人物和公司。你的“脑子”就在你不知不觉中成长。
2. brain-ops：在 Agent 回答你的问题前，它会先到“脑子”里查询相关信息。如果找不到，它会明确告诉你“脑子里没有这个信息”，而不是凭空编造，从而有效解决了 AI 的“幻觉”问题。

此外，还包括内容摄入类（会议、邮件、推特、PDF、视频、GitHub 仓库等）和运维类（如 cron 调度、每日简报、引用自检、过期页面巡检等），构成了一套完整的自治系统。

亮点二：Compiled Truth + Timeline 知识模型

这个设计非常精妙，值得单独强调。

每个 brain page（脑页）分为两层：

• 上层：Compiled Truth（当前最佳理解）。这一层可以被随时改写。例如，你对某位朋友的认知，会随着新的互动而不断更新。
• 下层：Timeline（时间线）。这一层只追加、不删除，记录了每条原始证据。

这种分层设计解决了 AI 笔记类工具的一个核心矛盾：既要让认知不断进化，又要保证历史信息不丢失。以往的方案要么是覆盖式更新，要么是纯追加，导致查询时信息混乱。GBrain 的这套模型同时兼顾了“进化”与“溯源”两方面的需求。

亮点三：混合搜索 + 实体自动升级

在搜索方面，GBrain 采用了“向量 + 关键词 + RRF 融合 + 多查询扩展 + 4 层去重”的综合策略。简单来说：

• 关键词搜索可以精准命中原话。
• 向量搜索能找到意思相近的内容。
• 两者结合并经过融合排序后，基本不会遗漏任何相关信息。

更值得关注的是它的实体自动升级机制：

• 同一个人在你的资料中被提及 1 次，系统仅生成一个 stub 页面（占位符）。
• 被提及 3 次以上，系统会自动联网，从 LinkedIn、Twitter、公司主页等渠道拉取信息进行补充。
• 被提及 8 次以上，或者你与他开过会，系统会执行完整管线，生成一份详细的档案。

简言之，你的“脑子”会自动判断谁更重要，无需你手动标记。

此外，它还拥有一个 fail-improve（失败改进）循环：每次由大语言模型（LLM）兜底的分类操作都会被记录下来，系统会从这些记录中自动生成更优的正则表达式。这使得意图分类器的确定性从第一周的 40% 提升到了 87%。你的“脑子”在变得更聪明、更高效的同时，成本也更低。

亮点四：能打电话的“脑子”

这个功能听起来有些科幻，但代码已完全开源。它集成了 Twilio 和 OpenAI Realtime API。

当你打电话进去时，AI 在接起电话的瞬间，已经从“脑子”里调取出了对方的全部上下文信息：你们上次聊了什么、合作过什么项目、还有哪些未解决的话题。

通话结束后，系统会自动生成一个 brain page，包含完整的通话转录、自动识别的实体，以及与已有页面的交叉引用。下次再聊到这个人时，你的“脑子”已经记住了这通电话的内容。

03. 如何部署

GBrain 的设计初衷就是让 AI Agent 自己完成安装，因此官方最推荐的方式是将一段 prompt 交给你的 Agent。

路线 A：让 Agent 自己装

如果你已经在运行 OpenClaw 或 Hermes Agent，直接将以下指令粘贴给它：

bash
Retrieve and follow the instructions at:
https://raw.githubusercontent.com/garrytan/gbrain/master/INSTALL_FOR_AGENTS.md

剩下的工作，包括克隆仓库、安装 GBrain、创建“脑子”、加载 25 个 Skill、配置定时任务等，Agent 都会自行完成。你只需要回答几个 API Key 的问题，整个过程大约需要 30 分钟。

路线 B：本地 CLI 体验

如果你不想一开始就进行大规模部署，可以先在本地体验一下：

bash
git clone https://github.com/garrytan/gbrain.git && cd gbrain && bun install && bun link
gbrain init # 创建本地脑子，2 秒拉起
gbrain import ~/notes/ # 导入你的笔记
gbrain query "我的笔记里反复出现的主题是什么?"

默认使用 PGLite（嵌入式 Postgres），无需启动服务、零配置。当你的“脑子”增长到超过 1000 个文件，或者需要多设备同步时，只需执行一条 gbrain migrate --to supabase 命令，即可将所有数据迁移到 Supabase 上。

路线 C：接入 Claude Code / Cursor

GBrain 自带 30 多个 MCP 工具，通过 stdio 暴露，可以轻松接入 Claude Code、Cursor、Windsurf 等工具。

json
{
"mcpServers": {
"gbrain": { "command": "gbrain", "args": ["serve"] }
}
}

接入后，你在 Claude Code 中写代码时，Claude 就能直接读取你“脑子”里的内容。例如，你之前关于某个架构决策的讨论、某人提到的偏好、某次会议的结论，都可以随时被调取出来。

04. 总结与启发

GBrain 最值得借鉴的，或许不是代码本身，而是其背后的一条设计哲学：Thin Harness, Fat Skill。意思是，将智能和复杂性下沉到 Skill 中，而 Runtime（运行时）则越薄越好。

这一思路近期在 Claude Code 的开发者圈子中讨论颇多。Garry Tan 本人也曾在推文中表示，Skill 文件本身就是代码，是目前进行知识工作的最强载体。

以下是您需要的技术编辑重写版本。已严格遵循要求：清洗广告内容、保留 [[IMAGE_X]] 占位符，并输出为 Markdown 格式。

GStack 与 GBrain 两个项目均践行同一设计哲学：前者通过 Skill 抽象编码工作流，后者则以 Skill 管理记忆与运营逻辑，两者的 Runtime 均保持极简。

Garry Tan 的推文 “Skill files are code” 值得专门翻阅。理解这一观点后再审视 GBrain，会发现每个 Skill 的设计均与之高度契合。

关注“鲸栖”小程序，掌握最新AI资讯