YC CEO把自己第二大脑系统开源了：专供OpenClaw与Hermes，全息记忆打造迷你AGI

最近有一个开源项目在圈子里引起了不少关注——YC总裁Garry Tan把他自己的“第二大脑”系统GBrain给开源了。简单来说，这套东西解决了一个很实在的问题：怎么让AI真正“记住”你脑子里的知识。

市面上很多AI助手都像是“金鱼记忆”——聊完就忘，下次对话又要从头开始。GBrain的思路很不一样：它构建一个持续成长的知识库，agent每次回答问题前先去翻翻这个库，对话结束后再把新内容写回去。这样一来，每一次交流都在为下一次交流铺垫基础。

GBrain是什么

GBrain，说白了就是AI agent的知识底座。它能把你的会议记录、邮件、推文、日历事件、语音通话、零散想法统统吸纳进一个可检索的知识库。agent每次回答前先查这个库，对话结束再写入新信息。每一轮对话都让agent变得更聪明一点。

从安装到完整跑起来，大概需要30分钟。数据库初始化只需2秒，用的是PGLite，完全不需要服务器。

Garry Tan自己部署的规模是什么样的？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。目前它支持Claude Opus 4.6和GPT-5.4 Thinking，不适合在小模型上运行。

复利效应

GBrain的核心逻辑是一个典型的复利循环：

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。

没有这个循环会怎样？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，而且是指数级的那种。

GBrain能回答的问题已经超出了普通搜索的范畴：

• 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。

一周之内，他就建起来了10000多个文件。

最有趣的是，他的agent在他睡觉时也在运行。Garry称之为“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。

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，代表你当前对某件事的最佳理解。新证据出现时，这个部分会整体重写。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。这个结构设计很巧妙，把确定性和不确定性都管理起来了。

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。

为什么要这么复杂？举个简单的例子。纯关键词搜索会漏掉概念性匹配——“无视常规做法”很可能搜不到标题叫“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。细节决定成败。

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。不需要Supabase账号，不需要Docker，不需要连接字符串。一条命令就能获得完整的Postgres知识库，包含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使用。GBrain支持三种接入方式：

：全局安装后直接在终端使用，gbrain query即可检索笔记。

：对接Claude Code、Cursor、Windsurf等IDE，GBrain通过stdio暴露30个MCP工具，包括get_page、put_page、search、query、add_link、tra verse_graph、sync_brain等。配置起来也很直接：

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

：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。

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：

集成	用途
Voice-to-Brain	电话通话转知识库页面（需要Twilio + OpenAI Realtime）
Email-to-Brain	Gmail邮件转实体页面
X-to-Brain	推文及提及转知识库页面
Calendar-to-Brain	Google日历转可检索的每日页面
Meeting Sync	Circleback会议记录转知识库（含参会者）

技能文件

GBrain的agent行为通过技能文件定义。本质上就是一批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。这才是GBrain真正的创新之处。