当你的“龙虾”需要从10000+Markdown文件中精准调取记忆时，grep已经不够用了。YC总裁Garry Tan开源的GBrain，正是为解决这个问题而生，它一个经过实战检验的AI记忆中枢。在此之前，他分享的gstack已经爆火网络，一个媲美superpowers的强大skill，覆盖完整的产品开发流程。

什么让GBrain不同

真实数据规模：管理13年日历数据（21000+事件）、5800条苹果笔记、280+会议记录、300+原创想法混合搜索架构：结合关键词（Postgres tsvector）与向量搜索（pgvector），通过RRF算法融合结果知识复利模型：采用"编译事实+时间线"结构，顶部是动态更新的核心结论，底部是永不修改的证据链夜间梦境循环：AI代理在睡眠时自动分析当日对话，修复断链引用，合并记忆碎片

核心工作流

实体检测：每条消息自动识别人员、公司、概念三层查询：先查GBrain（世界知识），再查代理记忆（操作配置），最后看会话上下文写入强化：更新相关实体页面，建立交叉引用，追加时间线记录

技术选型背后

当数据量超过3000个Markdown文件时，grep响应时间从毫秒级恶化到30秒以上需要同时支持精确名称检索（"找Pedro Franceschi的邮箱"）和语义搜索（"找关于反常识创业的建议"）知识模型与存储分离：Markdown文件作为唯一事实源，Postgres仅作检索层

即刻体验

bun add github:garrytan/gbrain
gbrain init --supabase
gbrain import ~/my_brain/
gbrain query "上次与OpenAI的合作进展如何？"

对于不想维护Postgres的用户，可以直接复用其Markdown知识模型和技能包。项目包含完整技能包文档，详细说明如何让AI代理：

自动消化会议记录生成每日简报维护知识健康度

正如Vannevar Bush在1945年设想的Memex，GBrain最终实现的是：让你的数字记忆成为思维的延伸，而非负担。

你们觉得他的方式和karpathy的方式谁更好呢？

地址：

​​https://github.com/garrytan/gbrain​​

​​https://github.com/garrytan/gstack​​

本文转载自​​AI工程化​​，作者：winkrun