GBrain: ติดตั้งความจำระยะยาวให้ AI Agent สร้างระบบอัตโนมัติใน 12 วัน

ในฐานะบรรณาธิการเทคนิคมืออาชีพ ผมได้เขียนเนื้อหาต้นฉบับใหม่ตามที่คุณร้องขอแล้ว เนื้อหาที่เขียนใหม่ได้ลบโฆษณาและข้อมูลคิวอาร์โค้ดออกทั้งหมด คงไว้ซึ่งตัวยึดตำแหน่ง [[IMAGE_X]] ทั้งหมด และส่งออกในรูปแบบ Markdown

ยังจำ GStack ที่โด่งดังในวงการนักพัฒนาเมื่อไม่นานมานี้ได้ไหม?

ขอทบทวนสั้นๆ นี่คือชุด Skill workflow ที่ออกแบบมาเฉพาะสำหรับการเขียนโค้ดด้วย AI ซึ่งเปิดซอร์สโดย Garry Tan ประธานและซีอีโอคนปัจจุบันของ Y Combinator ปัจจุบันได้รับดาวบน GitHub เกิน 70,000 ดวง มีนักพัฒนา 30,000 คนใช้งานทุกวัน ถือเป็นโปรเจกต์ระดับแม่แบบในระบบนิเวศของ Claude Code

เมื่อไม่กี่วันก่อน Garry Tan ได้ปล่อยโปรเจกต์ใหม่ชื่อ GBrain

ครั้งนี้ มันมุ่งเป้าไปที่ปัญหาที่ยาวนานในแวดวง AI Agent: ปัญหาความจำระยะสั้น (Short-term memory หรือ Goldfish brain)

พูดง่ายๆ คือ ทุกครั้งที่ AI Agent เริ่มการสนทนา มันจะเริ่ม “จากศูนย์” ข้อมูลที่บอกไปเมื่อวาน วันนี้มันก็ลืมหมด ภารกิจของ GBrain สามารถสรุปเป็นประโยคเดียวได้ว่า: ติดตั้งระบบความจำระยะยาวที่เรียนรู้และพัฒนาได้อย่างต่อเนื่องให้กับ AI Agent ของคุณ

โปรเจกต์นี้เปิดซอร์สเมื่อต้นเดือนเมษายน ภายในเวลาเพียงสิบกว่าวันก็ได้รับดาวเกิน 9,000 ดวง ผู้เขียนเองใช้มันขับเคลื่อน Agent จริงที่ใช้งานประจำวันของเขา ปัจจุบันระบบนี้ทำงานแบบอัตโนมัติเต็มรูปแบบ จัดการหน้าเว็บ 17,888 หน้า บุคคล 4,383 คน บริษัท 723 แห่ง และงานตามเวลา 21 รายการ และทั้งหมดนี้ เขาสร้างเสร็จภายในเวลาเพียง 12 วัน

01. ข้อมูลเบื้องต้นของโปรเจกต์

GBrain คือระบบความจำระยะยาวที่สร้างขึ้นสำหรับ AI Agent

เมื่อ Agent ของคุณเชื่อมต่อกับมัน แม้ในช่วงเวลาที่คุณไม่ได้ใช้งาน มันก็สามารถเรียนรู้ด้วยตนเองและพัฒนาอย่างต่อเนื่อง มันสามารถย่อยบันทึกการประชุม อีเมล ทวีต การสนทนาทางเสียง และความคิดที่คุณจดไว้ได้โดยอัตโนมัติ จากนั้นจะเสริมข้อมูลของบุคคลและบริษัทที่ปรากฏแต่ละรายให้คุณ และยังสามารถซ่อมแซมการอ้างอิงที่เสียหาย จัดระเบียบความทรงจำที่ยุ่งเหยิงได้ด้วยตัวเอง

เมื่อคุณตื่นขึ้นมาในวันถัดไป Agent ของคุณจะ “ฉลาด” กว่าตอนก่อนนอนเมื่อคืนก่อนแล้ว

• ที่อยู่โอเพนซอร์ส: github.com/garrytan/gbrain

มันเกี่ยวข้องกับ GStack อย่างไร?

พูดง่ายๆ GStack สอน Agent “วิธีการเขียนโค้ด” ในขณะที่ GBrain สอน Agent “วิธีการจดจำและคิด” โปรเจกต์ทั้งสองสามารถใช้งานแยกกันหรือรวมกันได้อย่างสมบูรณ์แบบ

ในโปรเจกต์ GBrain มีไฟล์ชื่อ hosts/gbrain.ts ซึ่งทำหน้าที่เหมือนสะพานเชื่อม เมื่อติดตั้งมันแล้ว ก่อนที่ Coding Skill ของ GStack จะเริ่มเขียนโค้ด มันจะสอบถาม “สมอง” ก่อนว่าคุณเคยพูดคุยหรือตัดสินใจบางอย่างไว้ก่อนหน้านี้หรือไม่ หากคุณใช้ GStack อยู่แล้ว การติดตั้ง GBrain จะทำให้คุณมีเวิร์กโฟลว์ที่สมบูรณ์แบบเหมือนกับของ Garry Tan เอง: อันหนึ่งดูแล “มือ” อีกอันดูแล “สมอง”

02. จุดเด่นหลักสี่ประการ

จุดเด่นที่ 1: Skill แบบเสียบแล้วใช้ได้ทันที 25 รายการ

GBrain มี Skill ในตัว 25 รายการ แบ่งตามฟังก์ชันการทำงาน ติดตั้งแล้วใช้งานได้ทันที

ในจำนวนนี้มีสอง Skill ที่ทำงานตลอดเวลา:

1. signal-detector: เมื่อมีข้อความใหม่เข้ามา มันจะเรียกใช้โมเดลขนาดเล็กที่มีต้นทุนต่ำในเบื้องหลัง เพื่อดึงข้อมูลความคิดเห็น บุคคล และบริษัทที่คุณพูดถึงอย่างไม่เป็นทางการโดยอัตโนมัติ “สมอง” ของคุณจะเติบโตขึ้นโดยที่คุณไม่รู้ตัว
2. brain-ops: ก่อนที่ Agent จะตอบคำถามของคุณ มันจะค้นหาข้อมูลที่เกี่ยวข้องใน “สมอง” ก่อน หากไม่พบ มันจะแจ้งให้คุณทราบอย่างชัดเจนว่า “ไม่มีข้อมูลนี้ในสมอง” แทนที่จะสร้างข้อมูลขึ้นมาเอง ซึ่งช่วยแก้ปัญหา “ภาพหลอน” (Hallucination) ของ AI ได้อย่างมีประสิทธิภาพ

นอกจากนี้ ยังมี Skill ประเภทการนำเข้าเนื้อหา (การประชุม อีเมล ทวีต PDF วิดีโอ คลัง GitHub ฯลฯ) และประเภทการปฏิบัติการ (เช่น การจัดตาราง cron รายงานสรุปประจำวัน การตรวจสอบการอ้างอิงด้วยตนเอง การตรวจสอบหน้าเว็บที่หมดอายุ ฯลฯ) ซึ่งรวมกันเป็นระบบอัตโนมัติที่สมบูรณ์

จุดเด่นที่ 2: โมเดลความรู้ Compiled Truth + Timeline

การออกแบบนี้ชาญฉลาดมาก สมควรเน้นย้ำเป็นพิเศษ

Brain page (หน้าสมอง) แต่ละหน้าประกอบด้วยสองชั้น:

• ชั้นบน: Compiled Truth (ความเข้าใจที่ดีที่สุดในปัจจุบัน) ชั้นนี้สามารถแก้ไขได้ตลอดเวลา ตัวอย่างเช่น ความรู้ของคุณเกี่ยวกับเพื่อนคนหนึ่งจะได้รับการอัปเดตตามปฏิสัมพันธ์ใหม่ๆ
• ชั้นล่าง: Timeline (เส้นเวลา) ชั้นนี้จะเพิ่มข้อมูลเท่านั้น ไม่มีการลบ บันทึกหลักฐานดั้งเดิมแต่ละชิ้น

การออกแบบแบบแยกชั้นนี้ช่วยแก้ปัญหาหลักของเครื่องมือจดบันทึกแบบ AI: ความต้องการให้ความรู้พัฒนาอย่างต่อเนื่อง ในขณะเดียวกันก็ต้องมั่นใจว่าข้อมูลในประวัติจะไม่สูญหาย วิธีการก่อนหน้านี้มักจะเป็นการอัปเดตแบบทับทับหรือการเพิ่มแบบบริสุทธิ์ ทำให้การค้นหาข้อมูลเกิดความสับสน โมเดลของ GBrain นี้ตอบสนองความต้องการทั้ง “การพัฒนา” และ “การสืบค้นต้นตอ” ได้พร้อมกัน

จุดเด่นที่ 3: การค้นหาแบบผสม + การอัปเกรดเอนทิตี้อัตโนมัติ

ในด้านการค้นหา GBrain ใช้กลยุทธ์แบบผสมผสาน: “เวกเตอร์ + คำสำคัญ + การรวม RRF + การขยายคำค้นหาหลายรายการ + การลบข้อมูลซ้ำ 4 ชั้น” พูดง่ายๆ:

• การค้นหาด้วยคำสำคัญ สามารถระบุข้อความต้นฉบับได้อย่างแม่นยำ
• การค้นหาแบบเวกเตอร์ สามารถค้นหาเนื้อหาที่มีความหมายใกล้เคียงกัน
• เมื่อรวมทั้งสองอย่างเข้าด้วยกันและจัดลำดับแบบผสมผสานแล้ว โดยพื้นฐานแล้วจะไม่พลาดข้อมูลที่เกี่ยวข้องใดๆ

สิ่งที่ควรให้ความสนใจมากกว่าคือกลไกการอัปเกรดเอนทิตี้อัตโนมัติ:

• บุคคลคนเดียวกันถูกกล่าวถึงในข้อมูลของคุณ 1 ครั้ง ระบบจะสร้างเฉพาะ stub page (ตัวยึดตำแหน่ง)
• ถูกกล่าวถึง มากกว่า 3 ครั้ง ระบบจะเชื่อมต่ออินเทอร์เน็ตโดยอัตโนมัติ ดึงข้อมูลจากช่องทางต่างๆ เช่น LinkedIn, Twitter, หน้าแรกของบริษัท ฯลฯ เพื่อเสริมข้อมูล
• ถูกกล่าวถึง มากกว่า 8 ครั้ง หรือคุณเคยประชุมกับเขา ระบบจะดำเนินการไปป์ไลน์แบบเต็มรูปแบบ สร้างแฟ้มประวัติโดยละเอียด

พูดง่ายๆ “สมอง” ของคุณจะตัดสินโดยอัตโนมัติว่าใครสำคัญกว่า โดยที่คุณไม่ต้องทำเครื่องหมายด้วยตนเอง

นอกจากนี้ มันยังมี วงจร fail-improve (การปรับปรุงจากความล้มเหลว): ทุกครั้งที่ดำเนินการจำแนกประเภทโดย LLM (Large Language Model) เป็นตัวสำรอง จะถูกบันทึกไว้ ระบบจะสร้างนิพจน์ทั่วไป (Regular Expression) ที่ดีกว่าโดยอัตโนมัติจากบันทึกเหล่านี้ ทำให้ความแม่นยำของตัวจำแนกเจตนา (Intent Classifier) เพิ่มขึ้นจาก 40% ในสัปดาห์แรกเป็น 87% “สมอง” ของคุณฉลาดขึ้น มีประสิทธิภาพมากขึ้น และต้นทุนก็ลดลงด้วย

จุดเด่นที่ 4: “สมอง” ที่โทรศัพท์ได้

ฟังก์ชันนี้ฟังดูเหมือนนิยายวิทยาศาสตร์ แต่โค้ดเปิดซอร์สอย่างสมบูรณ์แล้ว มันรวม Twilio และ OpenAI Realtime API

เมื่อคุณโทรเข้า ในวินาทีที่ AI รับสาย มันได้ดึงข้อมูลบริบททั้งหมดของอีกฝ่ายจาก “สมอง” แล้ว: คุณคุยอะไรกันครั้งล่าสุด โปรเจกต์อะไรที่เคยร่วมมือกัน มีประเด็นอะไรที่ยังไม่ได้แก้ไข

หลังจากการสนทนาสิ้นสุดลง ระบบจะสร้าง brain page โดยอัตโนมัติ ซึ่งประกอบด้วยบทถอดเสียงการสนทนาที่สมบูรณ์ เอนทิตี้ที่ระบุโดยอัตโนมัติ และการอ้างอิงโยงกับหน้าอื่นๆ ที่มีอยู่ ครั้งหน้าที่คุณพูดถึงบุคคลนี้ “สมอง” ของคุณจะจำเนื้อหาของการโทรนี้ได้

03. วิธีการปรับใช้

การออกแบบดั้งเดิมของ GBrain คือการให้ AI Agent ติดตั้งด้วยตัวเอง ดังนั้นวิธีที่官方แนะนำมากที่สุดคือการส่ง prompt หนึ่งชุดให้กับ Agent ของคุณ

เส้นทาง A: ให้ Agent ติดตั้งเอง

หากคุณกำลังใช้งาน OpenClaw หรือ Hermes Agent อยู่แล้ว ให้วางคำสั่งต่อไปนี้ให้กับมัน:

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

งานที่เหลือ รวมถึงการโคลนคลัง การติดตั้ง GBrain การสร้าง “สมอง” การโหลด Skill 25 รายการ การกำหนดค่างานตามเวลา ฯลฯ Agent จะดำเนินการเองทั้งหมด คุณเพียงแค่ตอบคำถามเกี่ยวกับคีย์ API สองสามข้อ กระบวนการทั้งหมดใช้เวลาประมาณ 30 นาที

เส้นทาง B: ทดลองใช้ CLI ในเครื่อง

หากคุณไม่ต้องการปรับใช้ขนาดใหญ่ตั้งแต่แรก คุณสามารถทดลองใช้ในเครื่องก่อน:

bash
git clone https://github.com/garrytan/gbrain.git && cd gbrain && bun install && bun link
gbrain init # สร้างสมองในเครื่อง ใช้เวลา 2 วินาที
gbrain import ~/notes/ # นำเข้าโน้ตของคุณ
gbrain query "หัวข้อที่ปรากฏซ้ำๆ ในโน้ตของฉันคืออะไร?"

ค่าเริ่มต้นใช้ PGLite (Postgres แบบฝัง) ไม่ต้องเริ่มบริการ ไม่ต้องกำหนดค่าใดๆ เมื่อ “สมอง” ของคุณเติบโตเกิน 1,000 ไฟล์ หรือต้องการซิงค์หลายอุปกรณ์ เพียงรันคำสั่ง gbrain migrate --to supabase เพียงคำสั่งเดียว ก็สามารถย้ายข้อมูลทั้งหมดไปยัง Supabase ได้

เส้นทาง C: เชื่อมต่อกับ Claude Code / Cursor

GBrain มาพร้อมกับเครื่องมือ MCP มากกว่า 30 รายการ ซึ่งเปิดเผยผ่าน stdio สามารถเชื่อมต่อกับเครื่องมือต่างๆ เช่น Claude Code, Cursor, Windsurf ได้อย่างง่ายดาย

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

หลังจากเชื่อมต่อแล้ว เมื่อคุณเขียนโค้ดใน Claude Code, Claude จะสามารถอ่านเนื้อหาใน “สมอง” ของคุณได้โดยตรง ตัวอย่างเช่น การอภิปรายเกี่ยวกับการตัดสินใจด้านสถาปัตยกรรมที่คุณเคยมี ความชอบที่某人กล่าวถึง ข้อสรุปจากการประชุมบางครั้ง สามารถเรียกดูได้ตลอดเวลา

04. สรุปและแรงบันดาลใจ

สิ่งที่ควรค่าแก่การ借鉴จาก GBrain มากที่สุด อาจไม่ใช่โค้ดเอง แต่เป็นปรัชญาการออกแบบที่อยู่เบื้องหลัง: Thin Harness, Fat Skill หมายถึง การลดความชาญฉลาดและความซับซ้อนลงไปใน Skill ในขณะที่ Runtime (รันไทม์) ยิ่งบางยิ่งดี

แนวคิดนี้ได้รับการพูดถึงอย่างมากในวงการนักพัฒนา Claude Code เมื่อเร็วๆ นี้ Garry Tan เองก็เคยกล่าวในทวีตว่า ไฟล์ Skill คือโค้ด และเป็นตัวพาที่แข็งแกร่งที่สุดสำหรับการทำงานด้านความรู้ในปัจจุบัน

ต่อไปนี้เป็นเวอร์ชันที่เขียนใหม่โดยบรรณาธิการเทคนิคที่คุณต้องการ ปฏิบัติตามข้อกำหนดอย่างเคร่งครัด: ล้างเนื้อหาโฆษณา คงไว้ซึ่งตัวยึดตำแหน่ง [[IMAGE_X]] และส่งออกในรูปแบบ Markdown

โปรเจกต์ GStack และ GBrain ต่างก็ปฏิบัติตามปรัชญาการออกแบบเดียวกัน: โปรเจกต์แรกใช้ Skill เพื่อทำให้เวิร์กโฟลว์การเขียนโค้ดเป็นนามธรรม ในขณะที่โปรเจกต์หลังใช้ Skill เพื่อจัดการความจำและตรรกะการดำเนินการ Runtime ของทั้งสองโปรเจกต์ยังคงเรียบง่ายที่สุด

ทวีตของ Garry Tan “Skill files are code” คุ้มค่าแก่การอ่านเป็นพิเศษ เมื่อเข้าใจมุมมองนี้แล้วลองพิจารณา GBrain จะพบว่าการออกแบบของแต่ละ Skill นั้นสอดคล้องกับมันอย่างมาก

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK