Heidi Labs
GitHub TrendingGitHub Trending 项目约 38 分钟15,091 字

garrytan / gbrain

本文目录

给已经在用的智能体一个由你掌控的记忆。GBrain 显式存储事实及其来源，支持更正与撤回，并让同一份记忆可供你的多个智能体使用。从无密钥记忆和关键词检索开始；需要时再加入语义搜索、综合和后台增强。

GBrain 采用 MIT 许可证，可免费自托管；gbrain.io 是可选付费托管。

提示： 需要托管？第一次运行智能体？试试 gbrain.io 托管的 GBrain，获得最省心的体验：为你和你的团队提供一个大脑，连接到 ChatGPT、Claude 和 Cursor，无需安装，也无需保持在线。遇到问题？发邮件到 support@gbrain.io，会有真人免费帮你设置。

把技能放在知识旁边。新的本地大脑会在其内容根目录中包含记忆技能。智能体可以加入经授权的目录；只有获批的编辑者才能发布。受管的编程智能体安装会添加一个自有的原生路由器；重启和实际使用验证是分开的步骤。分阶段迁移会保留共享选择和个人编辑。参见共享大脑技能。

选择你的设置#

把 GBrain 加到我现有的智能体上——推荐。 保留你的智能体身份，并把记忆保存在它的环境中。不需要新的个人智能体身份或私有仓库。从 Grok Bot、Muse 或 Codex / Claude Code 的指南开始。其他运行框架。

在我自己的电脑上，从任何地方使用这个大脑。 一条命令就能通过 MCP 把它发布到你的 Tailscale tailnet 上，并保持运行：gbrain mcp expose（为 Grok Bot、Muse 和 ChatGPT 等云端智能体添加 --funnel）。按照“通过 MCP 从任何地方使用你的大脑”操作。对你的智能体说：“use my brain over mcp”——“put my brain on tailscale”。

连接我现有的托管大脑。 按照托管运行框架访问指南，选择原生 OAuth 或私有机器连接。对于仪表盘登录、客户端和权限，使用 MCP 管理，并使用服务器单独的属主凭据。委托是明确的选择。

Grok Bot 和 Grok Build 是不同的产品。Muse 的个人智能体和 Muse Code 也是不同的产品。Muse 已经有原生的可编辑记忆；GBrain 增加了一条显式、可移植、带来源和共享访问权限的记录。参见各指南中带日期的证据和剩余的验证步骤。

我是 Garry Tan，Y Combinator 的总裁兼 CEO。我构建 GBrain 是为了运行自己的 AI 智能体。它是我 OpenClaw 和 Hermes 部署背后的生产大脑：155,795 个页面、24,589 个人、5,340 家公司、66 个自主运行的 cron 任务。我的智能体在我睡觉时摄取会议、电子邮件、推文、语音通话和原创想法。它会为遇到的每个人和每家公司补充信息。它会修正自己的引用，并在夜间整合记忆。我醒来时比上床时更聪明——你也会如此。

它也可以作为公司大脑使用。经过认证的远程客户端受到来源和操作授权以及可见性过滤器的约束。本地文件和共享数据库凭据属于不同的信任边界：仅靠来源并不能隔离这些调用者。授权测试检验的是特定访问路径，而不是通用的“绝不泄漏”保证。在设置共享访问之前，请阅读共享边界和公司大脑教程。

除了关键词和语义检索，GBrain 还提供两种使用已存储知识的可选方式：

一个综合层，给你真正的答案。跨人物、公司、交易和想法生成综合的、引用充分的文字。不是“这里有 10 个提到你查询的片段”；而是带有引用的实际答案，并明确说明大脑还不知道什么。差距分析正是改变你使用大脑方式的部分。

一个类型化知识图谱。启用自动链接时，受信任的本地页面写入会提取受支持的引用，而无需调用 LLM。远程 put_page 边稍后通过扫描、维护或 add_link 到达。问“who works at acme-example?”：遍历是广度优先的，在密集簇上只需毫秒（方法）。在 BrainBench 关系问题上，关系检索将生产环境的 R@5 从 0.6626 提升到 0.7241（基准）；0.9791 是图预言机解析的上限，不是产品分数。

构建一个 15 万页大脑的意义，是把它用作战略护城河。永不丢失上下文。无需重读就能查询你自己头脑中的内容。大脑层让护城河变得可用。24/7 的“梦境周期”让它保持敏锐。两者都运行在你的硬件、你的数据库、你的密钥上。

发布一个 24/7 运行、负责摄取、增强和整合的守护进程，比让聊天中的智能体一直努力工作要容易。GBrain 就是这个守护进程的泛化版本。30 分钟即可安装。你的智能体负责干活。随着我的个人智能体变得更聪明，你的也会如此。

从无密钥开始。你的运行框架订阅和任何单独配置的模型 API 使用是两种不同的成本。可选个人智能体引导大约需要 15 分钟；常开增强需要自己的计算和 API 配置。

持久偏好和事实可以跨智能体共享；临时任务和运行框架配置状态保留在本地。已配置的云端嵌入、重排、提取和综合提供方可能会收到文本，即使在无密钥模式下，运行框架模型也能看到被召回的记忆。Markdown 导出不是完整的数据库备份。请阅读记忆边界。

LLM：获取 llms.txt 了解文档地图，或获取 llms-full.txt 获得同一地图并把核心文档内联在单次获取中。智能体：从 AGENTS.md 开始（如果你用的是 Claude Code，则从 CLAUDE.md 开始）。

这是什么样子#

假设你明天要和 Alice 开会。你希望走进会议室时还记得她做什么、你们上次何时交谈，以及你们之间还有哪些未了结的事。下面是你输入的内容，以及你会得到的回复。

你问：

“明天和 Alice 开会之前，我需要知道什么？”

大多数个人知识工具会返回一列页面。比如：

  1. people/alice——Alice 在 Acme 负责工程……
  2. meetings/2026-03-15-alice-q1——与 Alice 的 Q1 产品评审……
  3. meetings/2026-01-08-acme-kickoff——与 Acme 团队的启动会……
  4. customers/acme——Acme 是一家与我们合作的 B 轮金融科技公司……
  5. notes/2026-04-22——与 Alice 关于定价的简短交流……

这五个页面，你现在得自己打开并阅读，才能真正做好准备。工具找到了正确的材料，但它没有替你完成工作。

GBrain 返回的是答案，并附上来源：

Alice 在 Acme（一家 B 轮金融科技公司）负责工程。你们上次交谈是 4 月 22 日，聊的是定价。那次对话还有三件事未了：

  1. 她欠你新套餐的安全审查（截止日期是 5 月 1 日；之后没有更新）。
  2. 你承诺提供 500 席套餐的定价（你 4 月 25 日发了；尚无回复）。
  3. 她提到他们正在招聘 CISO；你说会从你的人脉中介绍一个人。

提醒：自 4 月 22 日（六周前）以来，大脑中没有关于 Alice 或 Acme 的新内容。她可能通过电子邮件或 Slack 私信回复过，而这些渠道大脑看不到。在假设这些信息仍然有效之前，值得先问问她近况。

每条陈述背后都有一个来源页面。末尾的“Heads up”告诉你大脑还不知道什么，这样你可以直接问 Alice，而不是被意外打个措手不及。大脑刚刚替你完成了会议准备。

这就是搜索引擎和大脑的区别。搜索找到页面。大脑替你阅读页面并写出答案。

安装#

提示： 最快的方式是使用 gbrain.io 托管的 GBrain，适用于任何运行框架。一条命令即可启动托管在 gbrain.io 上的 GBrain；Claude Code、Codex、ChatGPT、Cursor 以及你使用的其他所有 AI 都连接到它，无需保持任何东西在线。

curl -sSL https://gbrainio.terminalwire.sh | bash
gbrainio terminal connect # in a new terminal
gbrainio workspace new # pick a plan in the browser
curl -fsSL https://bun.sh/install | bash # skip if Bun 1.4.4+ is installed
export PATH="$HOME/.bun/bin:$PATH"
bun install -g github:garrytan/gbrain#stable # the gbrain CLI only; no local brain
# Claude Code (an existing gbrain entry is kept):
(claude mcp get gbrain >/dev/null 2>&1 || claude mcp add --transport http --scope user gbrain https://gbrain.io/mcp) && gbrain setup claude-code --instructions-only
# Codex (an existing gbrain entry is kept):
(codex mcp get gbrain >/dev/null 2>&1 || codex mcp add gbrain --url https://gbrain.io/mcp) && gbrain setup codex --instructions-only

gbrain setup <harness> --instructions-only 告诉智能体大脑就在那里；如果没人告诉智能体，它们很少会去调用某个 MCP 服务器。它会把“大脑优先”的代码块写入 ~/.claude/CLAUDE.md 或 Codex 的 AGENTS.md（当 Codex 有非空的 AGENTS.override.md 时写入后者），并附带一个每轮规则钩子，同时保留 MCP 条目不变；同样的命令加上 --no-instructions 即可移除这些内容。

安装器是适用于 macOS 和 Linux 的 shell 脚本；运行前请先阅读它。

如何自托管#

GBrain 采用 MIT 许可证，可免费自托管。它需要 Bun 1.4.4 或更高版本；现有的 worker 安装在升级到此版本并重启前，请先阅读授权与队列升级指南。

警告： GBrain 不在 npm 上分发。npm 上的 gbrain 包与此无关，并且可能遮蔽真正的可执行文件，因此绝不要运行 npm install -g gbrain 或 bun add -g gbrain。只能通过 bun install -g github:garrytan/gbrain#stable 安装（沉淀后的稳定渠道；#latest-stable 是包含每个版本的 alpha 线），或者使用 git clone --branch stable + bun install && bun link。误装了？gbrain doctor 会给出修复方法。模式未迁移（#218）？运行 gbrain apply-migrations --yes --no-autopilot-install；如果它退出码为 1，请运行 gbrain doctor --json，而不是再来一个 --yes（卡住时：转交它的修复方案）。

bun install -g github:garrytan/gbrain#stable
gbrain setup claude-code # or: gbrain setup codex
gbrain init --pglite --no-embedding # any other harness, or no agent

gbrain setup 会先展示它将写入什么（--dry-run 预览，--remove 撤销），仅在不存在时创建一个无密钥大脑，连接 MCP、钩子和智能体指令文件中的“大脑优先”代码块（--no-instructions 跳过它），并对它们进行冒烟测试（设置指南）。对于任何其他编程智能体，请粘贴：

Add GBrain memory to this existing agent. Read and follow:
https://raw.githubusercontent.com/garrytan/gbrain/master/INSTALL_FOR_AGENTS.md
Keep my current identity and instructions, start keyless, and show me the
search-mode choice. Verify a remember/recall round trip with real GBrain calls.

Postgres、瘦客户端、API 密钥和升级：docs/INSTALL.md。智能体：INSTALL_FOR_AGENTS.md。仅记忆的演练：给你的编程智能体一个记忆。

CLI 独立使用（无智能体）#

gbrain init --pglite --no-embedding # keyless; no server, no Docker
gbrain import ~/notes/ --no-embed # index your markdown
gbrain search "a phrase from a note" --json
gbrain doctor # verify health

可选：新的个人智能体#

要让 GBrain 创建一个新的持久个人智能体，带有身份文件和自己私有的 GitHub 仓库，请在一个新的空文件夹中打开 Codex（CLI 或 ChatGPT 桌面版）或 Claude Code，然后粘贴：

Read and follow every step of:
https://raw.githubusercontent.com/garrytan/gbrain/stable/BOOTSTRAP_FOR_AGENTS.md
Goal: set yourself up as my persistent personal agent in this folder, with gbrain
as your memory. Interview me before writing any identity file — never invent
answers. Ask before anything destructive. You are not done until
`gbrain bootstrap verify` exits 0.

该仓库不是完整备份；参见引导指南。对于常开版本（在 8GB+ 内存、有自己 API 使用的服务器上进行 24/7 摄取和夜间梦境周期），请在 OpenClaw 或 Hermes 下运行 GBrain，并让它指向 INSTALL_FOR_AGENTS.md；个人大脑教程会端到端地演示。

将 GBrain 连接到你的 AI 客户端（MCP）#

本地 stdio 客户端：gbrain setup claude-code 或 gbrain setup codex 会在 gbrain 的启动器后面注册 gbrain serve（列出记忆动词；--surface full 列出所有工具），因此在克隆仓库中打开的会话永远不会加载该仓库的 bunfig.toml 或 .env，并添加“大脑优先”指令：如果没人告诉智能体，它们很少会调用大脑。Cursor、Windsurf 和其他 stdio 客户端使用 "$(command -v gbrain)" serve --surface starter --advertise verbs。

带精选技能的插件：Codex codex plugin marketplace add garrytan/gbrain@codex-plugin + codex plugin add gbrain@gbrain；Claude Code /plugin marketplace add garrytan/gbrain + /plugin install gbrain@gbrain。

从任何地方使用这个大脑：gbrain mcp expose 会把它作为用户服务发布到你的 Tailscale tailnet 上（为 Grok Bot、Muse 和 ChatGPT 等云端智能体使用 --funnel）。指南。

另一台主机上的大脑：gbrain connect https://your-host/mcp --token gbrain_xxx --install（为 Codex 添加 --agent codex）。托管大脑使用原生 OAuth 或私有交接；仪表盘、客户端和权限位于 MCP 管理中。

各客户端指南：Claude Code · Codex · ChatGPT · Claude Desktop · Claude Cowork · Perplexity · Hermes · OpenClaw · opencode · Grok Build · Grok Bot · Muse · 所有 MCP 客户端。

查询大脑的两种方式#

原始检索（大多数个人知识工具提供的方式）和一个能给你实际答案的综合层。它们服务于不同的工作。

# raw retrieval: top pages by hybrid score, no answer-generation call
gbrain search "who's working on AI agents at portfolio companies?"

# brain layer: synthesized answer with citations and gap analysis
gbrain think "who's working on AI agents at portfolio companies?"

gbrain search 返回排名靠前的检索页面，按混合评分排序（向量 + 关键词 + RRF + 来源层级加权 + 重排器）。当你想要粗略浏览的原始材料时使用它：智能体上下文窗口、引用查找、寻找特定引文。

已配置的嵌入和重排提供方仍可能收到文本，并就检索收费。无密钥关键词搜索不需要模型 API；综合需要已配置的聊天能力。参见记忆边界。

当结果因投影仍在重建或有界向量扫描不足而不完整时，搜索也会告诉你。对你的智能体说“检查我的搜索索引是否就绪”；在把空结果当作页面缺失的证据之前，参见搜索就绪与恢复。

gbrain think 运行相同的检索，然后跨结果综合出一个答案，明确引用来源页面，并诚实说明大脑还不知道什么。差距分析是区别所在：答案会告诉你页面何时过时、某个陈述何时没有引用、两个页面何时互相矛盾、哪里有你应当填补的空白。

对你的智能体说：“What do we know about acme-example?”——“Tell me about alice-example before my meeting tomorrow”——“Search for who's working on AI agents.” 你的智能体会自动把这些请求路由到大脑；你永远不需要自己输入命令。

为什么它会复利。 把大脑层与 find_trajectory 配对，你就能得到这样的答案：“公司指标如何变化，团队现在什么样，他们承诺/分享了什么，我们上次何时见面，以及我能在这里提供什么附加价值”：评分良好、引用充分，一次完成。那就是战略护城河。这就是为什么构建一个 15 万页的大脑值得付出努力。

gbrain agent run "..." 通过 Minions 队列向子智能体暴露同一表面，具有崩溃安全的双阶段持久化。相同的答案，持久可靠。

如何把数据导入#

从一个显式事实或一个笔记文件夹开始；分别选择连接器、捕获和增强。

已经有公司知识仓库？对你的智能体说：“连接我们现有的公司大脑，保留其文件，并先给我看导入计划。”尝试 gbrain sources demo company-brain，无需密钥或私有数据；然后用 gbrain sources inspect <path> --profile company-brain 检查已提交的 Markdown。公司大脑摄取指南涵盖显式目标批准、类型化关系和可恢复验证。它不会自动启用嵌入、共享、计划或策展。

对你的智能体说：“Remember this with its source”——“What should I import first?”

数据摄取指南涵盖文件、对话、连接器、Google 数据和捕获命令。

大脑的形状（模式包）#

大多数个人知识工具强制使用一种固定布局：它们定义的“笔记”+“人物”+“标签”。把一个 Notion 导出或你多年积累的 Obsidian vault 直接丢上去，智能体并不知道 Projects/ 文件夹意味着什么，也不知道 Reading/ 是人还是来源。

gbrain 没有固定布局。它附带模式包，并在没有合适的时候允许你编写自己的模式包：

  • gbrain-base-v2（默认）——15 类型的 DRY/MECE 规范分类法（14 个规范类型 + note 兜底）：person、company、media、tweet、social-digest、analysis、atom、concept、source、deal、email、slack、writing、project、note。子类型/格式/来源推送到 frontmatter。
  • gbrain-base（旧版）——更宽的 24 类型布局。为向后兼容而保留；使用它的脑可以通过 gbrain onboard --check --explain → gbrain jobs submit unify-types --params '{"target_pack":"gbrain-base-v2","apply":true}' 升级（省略 "apply":true 即为试运行预览——这是默认值）。
  • gbrain-recommended——在 gbrain-base 基础上扩展 docs/GBRAIN_RECOMMENDED_SCHEMA.md 中的 13 个额外目录（source、place、trip、conversation、personal、civic、project 等）。用 gbrain schema use gbrain-recommended 激活。
  • 你自己的包——gbrain schema detect 会把你的实际文件系统聚类成建议类型，gbrain schema suggest 在其上运行一次 LLM，gbrain schema review-candidates --apply 提升你喜欢的类型。三条命令，大脑就知道你的形状。编写后继包（声明 migration_from:，以便现有大脑选择加入）：参见 docs/architecture/pack-upgrade-mechanism.md。
gbrain schema active # which pack is running, which tier set it
gbrain schema list # bundled + installed packs
gbrain schema detect # propose types matching your filesystem
gbrain schema suggest # LLM-refined proposals on top of detect
gbrain schema review-candidates # human gate: promote / rename / ignore
gbrain schema use my-pack # activate

对你的智能体说：“My schema isn't matching my notes — propose new types from my corpus”——“Add a page type for lab results to my brain's schema.” schema-author 技能会替你运行 detect → suggest → review 流程。

活动包贯穿每个读取和写入路径：parseMarkdown 从包的路径前缀推断页面类型；whoknows 将专家路由限定到声明 expert_routing: true 的类型；extract_facts 只在 extractable: true 的类型上运行。保留的搜索缓存键包含包名 + 版本，但语义结果复用暂时禁用。切换包，大脑会重新解释自己；切回来，什么都不会丢失。

七层解析链（每次调用标志 → 环境变量 → 每来源数据库键 → 全脑数据库键 → gbrain.yml → ~/.gbrain/config.json → gbrain-base 默认值）。完整参考 + 编写指南：docs/architecture/schema-packs.md。

教程#

分步演练，帮助你充分利用 GBrain。每个教程都带你从零到可工作的结果，包含具体命令和真实数字。

  • 从零设置你的个人 AI 智能体 + 大脑——经典的完整栈安装。两个 GitHub 仓库、一个 Telegram 机器人、Render 上的 AlphaClaw、OpenClaw + GBrain + Supabase。端到端约 2 小时。
  • 把 GBrain 设置为你的公司大脑——面向 10–50 人团队的联邦式、多用户、OAuth 作用域的制度记忆。端到端约 90 分钟。
  • 用 gbrain skillopt 自动改进技能——把 SKILL.md 当作可训练参数。用 --bootstrap-from-skill 直接从技能生成初始基准（或自己写），强化评审，然后观察优化器提出修改并只保留可测量地得分更高的修改。约 20 分钟，约 1 美元的 API 调用。标志 + 成本 + 安全参考：docs/guides/skillopt.md。

更多演练正在进行：把现有智能体（Claude Code、Cursor、OpenClaw、Hermes）连接到 GBrain 记忆层；为 VC 交易流设置 GBrain，包含创始人评分卡和会议准备；迁移现有的 Notion 或 Obsidian vault；把代码库索引为可查询的代码大脑。完整教程索引：docs/tutorials/。

想看到这里还没有的教程？开一个 issue，描述你希望记录的工作流。

它做什么（循环）#

 signal → search → respond → write → auto-link → sync
 (every (brain-first (informed (page + (typed edges (cron
 message) retrieval) by context) timeline) + backlinks) keeps fresh)

信号检测器在你选择加入后，从实质性消息中捕获持久想法和实体提及。显式记忆无需自动捕获即可工作；付费增强是单独的选择。

在任何外部 API 调用之前先做大脑优先查找。这是你所拥有的最便宜、最快、最个人化的信息来源。

自动链接为受信任的本地页面写入提取图链接。不调用 LLM；仅对页面引用（如 [[people/alice-example]]）进行纯模式匹配。未解析的提取事实保留其来源，而不会凭空发明一个支撑页面。

cron 驱动的增强在你睡觉时运行：去重人物页面、修正引用、评分显著性、发现矛盾、准备明天的任务。

整个循环在 docs/architecture/topologies.md 中用图表描述。

对你的智能体说：“Set up autopilot”（安装运行循环的 cron）——“Run dream”——“Did the dream cycle run?”

能力#

GBrain 结合了关键词和语义检索、类型化图遍历、可选的引用综合、后台作业和精选的智能体技能。

对你的智能体说：“What search mode am I running?”——“Who works at acme-example?”——“What does my brain know about this project?”

能力参考保留命令、基准范围、成本控制和各功能专属指南。

集成#

数据流入大脑。每个集成都是一个配方——Markdown + 设置提示——随 recipes/ 发布，并可通过 gbrain integrations list 发现。对你的智能体说：“Set up voice calls into my brain”——“Wire my email and calendar into the brain”——你的智能体会读取配方，并与你一起完成设置。

  • 语音：电话通过 Twilio + OpenAI Realtime（或 DIY STT+LLM+TTS）创建大脑页面。设置配方：recipes/twilio-voice-brain.md。
  • Gmail + 日历 + 联系人（原生）：google 来源类型通过你自己的 OAuth 客户端同步线程、事件和联系人，并在其上运行开放循环引擎（gbrain waiting）。设置：docs/guides/google-connect.md；配方：recipes/email-to-brain.md、recipes/calendar-to-brain.md。
  • 会议笔记 + Slack 频道（原生）：meetings 来源类型（首先支持 Fireflies）每次会议写一个页面，slack 来源类型每天每频道写一个页面，按计划同步，无论大脑是否带有 Git 仓库。设置：docs/guides/meeting-and-slack-sources.md。
  • 电子邮件 + 日历（webhook）：webhook 处理器将事件路由到大脑信号。docs/integrations/meeting-webhooks.md。
  • 嵌入提供方：Voyage（新安装默认：voyage-4 @ 1024d）、OpenAI、OpenRouter、Google Gemini、Azure OpenAI、MiniMax、Alibaba DashScope、Zhipu、Ollama（本地）、llama.cpp llama-server（本地）、LM Studio、Together 和 LiteLLM 代理。定价矩阵 + 决策树见 docs/integrations/embedding-providers.md。现有向量绝不会因更改默认值而被转换；请使用明确批准的嵌入迁移。
  • 重排器：Voyage rerank-3-lite 托管（默认，除非设置了 search.reranker.model；在 balanced 和 tokenmax 模式下开启，与嵌入使用相同的 VOYAGE_API_KEY；gbrain config set search.reranker.model voyage:rerank-2.5 恢复之前的默认值），外加 llama-server-reranker 配方，通过 llama.cpp 在同一 gateway.rerank() 接缝上运行 Qwen3-Reranker，实现完全本地的交叉编码器重排。设置演练见 docs/ai-providers/llama-server-reranker.md。
  • 凭据保险库 + 网关：gbrain creds 在本地保险库中管理 OAuth 和 API 凭据（recipes/credential-gateway.md）；智能体侧的保险库感知密钥分发：docs/integrations/credential-gateway.md。
  • MCP 客户端：支持所有主流 MCP 客户端。docs/mcp/ 中有各客户端设置。
  • Memorable（程序性记忆）：可选，默认关闭。你的大脑记住发生了什么；Memorable 让你的智能体记住如何做——已完成的会话变成可重放的流程，存储在你的机器上（独立本地存储，或选择加入后存入大脑数据库），当类似任务再次出现时被召回。参见下文，以及面向智能体的详细文档 docs/memorable-agents.md。

Memorable——记住如何做，而不只是什么（可选）#

Memorable 从编程会话中存储可重放的流程。它的中继默认关闭，需要明确的披露/同意步骤；它可以将经过脱敏的轨迹和查询文本发送到机器外。阅读 Memorable 集成指南，了解安装、数据流、各运行框架的限制和移除方法。

对你的智能体说：“Explain Memorable's data sharing before enabling it.”

架构#

flowchart LR
 Repo[Markdown brain repos] --> Sync[Sync and parse]
 Sync --> Engine{Brain engine}
 Engine -->|default| PGLite[(PGLite)]
 Engine -->|shared or large| Postgres[(Postgres and pgvector)]
 Agent[AI agent or operator] --> Surface[CLI or MCP]
 Surface --> Ops[Contract-first operations]
 Ops --> Search[Hybrid retrieval]
 Ops --> Graph[Typed graph traversal]
 PGLite --> Search
 Postgres --> Search
 PGLite --> Graph
 Postgres --> Graph
 Search --> Synthesis[Synthesis and gap analysis]
 Graph --> Synthesis
 Synthesis --> Answer[Cited answer]

正在加载

两个引擎，一份契约。PGLite（通过 WASM 运行的 Postgres 17，零配置，默认）用于最多约 5 万页的个人大脑。Postgres + pgvector（Supabase 或自托管）用于共享、大型或多机大脑。两者都实现同一份 BrainEngine 契约（src/core/engine.ts）；CLI 和 MCP 共享同一操作注册表。

规范文件保留文件支撑的知识。你的大脑仓库保存 Markdown；数据库是可从它重建的索引，git 删除会变成软删除。仅数据库页面、未解析事实、历史和操作状态需要数据库备份：你的记忆住在哪里，系统的记录就在哪里。发布公开子集、共享团队挂载，或把瘦客户端指向同事的大脑。拓扑见 docs/architecture/topologies.md。

两个组织轴（大脑 ⊥ 来源）。大脑是一个数据库（你的个人大脑、你加入的团队挂载）。来源是该大脑内的一个仓库。路由使用 .gbrain-source 点文件和 6 层优先级链。图表见 docs/architecture/brains-and-sources.md。

为什么图很重要。向量搜索找到相似文本；图检索沿着已存储的关系前进。提取的边是可供检查的证据，而不是关系为真的证明。图的时效性取决于写入路径和记忆边界中描述的维护。深入阅读：检索架构；实体召回。

故障排除#

从 gbrain doctor 开始。对于数据库访问失败，在更改配置之前使用 gbrain engine status --probe 和 gbrain db-repair。

对你的智能体说：“Check my brain health and show me the repair plan before changing anything.”

故障排除参考涵盖安装恢复、PGLite 启动、嵌入维度、锁、导入失败和同步。

文档#

  • docs/INSTALL.md——所有安装路径，端到端
  • docs/guides/bootstrap.md——持久个人智能体引导契约（面试、身份文件、钩子、私有仓库、安全态势、卸载），以及本地运行框架模式（gbrain bootstrap harness），用于把框架生成的 Claude Code/Codex 会话连接到正在运行的 serve
  • 页面剖析——frontmatter、时间线、事实；每客户端事实
  • docs/what-schemas-unlock.md——模式为何重要：7 个杀手级用例、类型化页面类型的结构性论证、智能体共同策展模式
  • docs/schema-author-tutorial.md——5 分钟演练：分叉内置包、添加自定义类型、回填现有页面、通过 gbrain whoknows 证明接线
  • docs/architecture/——系统设计、拓扑、检索理论
  • docs/guides/——操作手册（Google 连接、开放循环、子智能体路由、Minion 部署、技能开发、大脑优先查找、想法捕获、尽调摄取）
  • docs/integrations/——连接外部数据源（语音、电子邮件、日历、嵌入提供方）
  • MCP 任务指南——部署和各客户端设置（Claude Desktop、Code、Cursor、ChatGPT、Perplexity、Cowork）
  • MCP 管理——属主仪表盘访问、客户端注册、OAuth、权限和令牌恢复
  • 评估与研究——方法和结果
  • docs/ethos/——哲学（薄运行框架、厚技能、Markdown 即配方、起源故事）
  • AGENTS.md——非 Claude 智能体的入口
  • CLAUDE.md——Claude Code 的入口（深层操作上下文）
  • CONTRIBUTING.md——贡献者指南、测试纪律、评估捕获模式
  • SECURITY.md——安装路径信任模型、自更新完整性、自动扫描、OAuth 威胁模型、加固默认值

贡献#

运行 bun run test 进行快速循环，运行 bun run verify 通过推送前门禁，运行 bun run ci:local 在本地运行完整的 Docker 支撑 CI 栈。详细的测试纪律见 CONTRIBUTING.md。

社区 PR 会分批进入发布波次，而不是逐个合并——参见 docs/RELEASING.md 中的社区 PR 波次流程。贡献者署名通过 Co-Authored-By: 尾注保持关联。我们在 CHANGELOG.md 中为每个被接受的贡献署名。

如果你发现 bug 或想要新功能：先开 issue。快速修复（拼写错误、文档 bug、明显回归）可以直接提 PR。任何涉及模式、检索排名、MCP 协议或安全边界的内容，都需要先在 issue 中进行设计讨论。

许可证 + 致谢#

MIT。我构建 GBrain 是为了运行我的 OpenClaw 和 Hermes 部署——我的 AI 智能体背后的生产大脑。

起源故事：docs/ethos/ORIGIN.md。

社区 PR 贡献者按发布版本在 CHANGELOG.md 中署名。已退役提供方的历史嵌入和重排集成署名保留在 Git 的 6040075c6cb95be5881cc2e1b76ef7d71f4e5d29 中。Voyage AI 提供非对称编码配方模板。Ramp Labs 提供搜索质量改进的传承。