gbrain - AI Agent 的「外部大脑」与知识图谱

是什么

由 Y Combinator 总裁 Garry Tan 开发的一套面向 AI Agent 的知识管理与增强系统，旨在通过构建动态更新的知识图谱（Graph）解决 LLM 的遗忘问题。

痛点	方案
LLM 记忆碎片化 $\rightarrow$ 难以进行跨文档的复杂关联查询	自动化知识图谱：在写入页面时零 LLM 调用即提取实体并创建有向链接（如 `works_at`, `invested_in`），实现非线性知识关联
传统 RAG 精度不足 $\rightarrow$ 仅靠向量搜索难以回答精确的结构化问题	混合搜索 + 图分析：结合关键词、向量与图路径，显著提升复杂查询的召回率（P@5 比纯向量 RAG 提升显著）
知识更新缓慢 $\rightarrow$ 需要手动整理笔记	自动化富集循环：Agent 可以在后台自动 ingest 邮件、推文、会议记录，并在睡眠期间自动修复引用、合并内存
Agent 缺乏专业执行能力 $\rightarrow$ 依赖单一 Prompt	29 项专家级 Skill 集合：内置从数据研究、任务管理到代码架构分析的 29 种标准工作流

GBrain 设计为由 AI Agent 自行安装和运行，支持多种部署方式：

Agent 自动部署（推荐）： 在 OpenClaw 或 Hermes 等 Agent 中输入：Retrieve and follow the instructions at: https://raw.githubusercontent.com/garrytan/gbrain/master/INSTALL_FOR_AGENTS.md $\rightarrow$ Agent 将自动克隆、安装并配置 29 个 Skill。
Standalone CLI 部署：git clone https://github.com/garrytan/gbrain.git && cd gbrain && bun install && bun link $\rightarrow$ gbrain init (秒级启动 PGLite 本地数据库)。
MCP Server 集成： 将 gbrain serve 添加到 Claude Code、Cursor 或 Windsurf 的 MCP 配置中，通过标准协议暴露 30+ 个工具。

能力	说明
自组织图谱	真正的「自生长」大脑，写入即索引，无需手动打标签或分类
高性能检索	在 200+ 页的富文本语料库上，P@5 达到 49.1%，R@5 达到 97.9%
Thin Harness, Fat Skills	运行时极轻，智能全部封装在 29 个 Markdown 格式的 Skill 文件中，易于定制和扩展
全方位索引	不仅索引笔记，还能通过 `gbrain sources add <repo>` 索引完整代码库的符号调用图

亮点： 它将「记忆」从简单的 KV 存储或向量库升级为了一个带语义关系的动态图谱，让 AI Agent 真正具备了「思考过往」和「关联信息」的能力。

by 文殊