← ブログに戻る
Ai読了目安 12 分

Garry Tan のセカンドブレインは155,795ページと、訂正ボタンを持っている

公開日 2026年11月10日
Garry Tan のセカンドブレインは155,795ページと、訂正ボタンを持っている

README に書かれている数字は155,795ページ。次に24,589人の人物、5,340社の企業、そして誰も見ていないまま動いている66個の cron ジョブ。持ち主は Y Combinator のプレジデント兼 CEO である Garry Tan 氏で、ソフトウェアは氏のもので、MIT ライセンスで公開されています。データベースを自分で動かしたくない人向けに、有料のホスト版も用意されています。

リポジトリは gbrain。一行の説明は「すでに使っているエージェントに、自分が管理する記憶を与える」です。この一文はかなり働いていて、少なくとも3つの製品が中に隠れています。記憶の保存庫、検索システム、そして寝ている間も取り込みを続けるデーモン。面白いのは、一番大きな数字ではありません。

「記憶」が普通に意味するものと、ここでの意味

実際のところ、エージェントの記憶のほとんどは、親しみやすい名前を付けたベクトルインデックスです。文書を貼り付けると埋め込みになり、クエリに言及した10個のチャンクを取ってきて、モデルが何かをつなぎ合わせます。2つのチャンクが矛盾している質問をしたり、6か月前に事実が変わっていたり、ある主張がどこから来たのかを誰かが知る必要が出たりするまでは、動きます。

GBrain は、明示的な事実を出所と一緒に保存します。訂正と撤回にも対応しています。何かを間違いだと印付ければ、その誤りが伝播します。埋め込みの中に永遠に座り続けることはありません。同じ記憶が、1つのハーネスに溶接されるのではなく、複数のエージェントから使えます。まずキー不要のキーワード記憶と検索から始め、必要になったら意味検索、統合、バックグラウンドの強化を足していきます。この順序は意図的です。安いモードはモデル呼び出しが一切なくても動きます。

行動を変えるのは統合の層です。10個のチャンクを返す代わりに、引用付きの答えと、このブレインがまだ知らないことについての明示的な注記を返します。このギャップ分析は珍しい。ほとんどの検索システムは、構造的に「これについては何も持っていません」と言えません。類似検索は、どれほど無関係でも必ず上位 k 件を返すからです。

A long wooden card catalog drawer pulled open in a quiet archive

出所こそが本当の機能

Tan 氏の枠組みは、ブレインは堀だというものです。コンテキストを失わず、頭の中身を読み返さずに問い合わせる。もっともですが、その堀は記憶が信頼できる場合にしか保てません。記憶システムへの信頼は、デモ映えせず作るのに金がかかる2つの性質から来ます。

1つ目は帰属です。すべての事実は出所を指しています。エージェントが「ある企業がラウンドを調達した」と言ったとき、そう書いてあった議事録やメールまで遡れます。

2つ目は撤回です。出所が間違っていた、あるいは状況が変わったなら、履歴を消さずに「これはもう正しくない」と言う手段が必要です。Tan 氏自身が夜間サイクルについて説明した中には、エージェントが自分の引用を直し、記憶を統合する、という工程が含まれています。これは生成のトリックではなくメンテナンスのループで、ノートとシステムの違いはそこにあります。

土台には型付きの知識グラフがあり、これは特定の種類の質問で効きます。「この企業で働いているのは誰か」は類似性の問題ではなく、グラフの探索です。GBrain の関係検索は、自社ベンチマークで R@5 を 0.6626 から 0.7241 に引き上げ、グラフのオラクルによる上限は 0.9791 です。最後の数字が何かを確認してください。上限であって、製品のスコアではありません。両方を公開するからこそ、他の主張も信じやすくなります。

インストールの実情

これは Bun のプロジェクトで、README は罠について異様に率直です。GBrain は npm で配布されていません。gbrain という名前の npm パッケージは無関係で、本物のバイナリを覆い隠す可能性があるため、インストールは bun install -g github:garrytan/gbrain#stable のみ、あるいは stable ブランチを clone してリンクするよう指示されています。間違ったものを入れてしまった場合は、gbrain doctor が直し方を教えてくれます。

最小のローカル構成なら gbrain init --pglite --no-embedding を実行します。キー不要、サーバー不要、Docker 不要。他のマシンから到達させたいときは gbrain mcp expose で MCP 経由、Tailscale のテイルネット上に公開します。クラウドのエージェント向けには --funnel フラグがあります。インストールは30分という主張です。私の推測では、30分は Bun と Tailscale のアカウントを既に持っている人には正確で、それ以外の人には楽観的です。よくある話です。

既存のエージェントにつなぐ方法は、わざと地味です。一般には MCP、Claude Code と Codex にはプラグインマーケットプレイスの項目、ホスト型ブレインには OAuth の文書化された経路。このシステムは、新しい個人アシスタントの人格で置き換えるのではなく、すでに使っているエージェントに取り付くように設計されています。

気にすべき部分

企業のブレインと個人のブレインは脅威モデルが違い、README もそれを分かっています。リモートの認証済みクライアントは、ソース許可、操作許可、可視性フィルタで制約されます。ローカルファイルと共有データベースの資格情報は信頼境界の反対側にあり、ソースレベルの分離はディスクを読める呼び出し元を守りません。

これはほとんどのプロジェクトが書けない、正直な段落です。「これをチームで共有できるか」への答えが、はい・いいえではないという意味でもあります。テストした具体的なアクセス経路のリストと、テストしていない経路のリストです。

長期に生きる記憶には、もう1つ微妙なリスクがあります。間違いを蓄積するのです。すべてを覚えるエージェントは、3週間費やした間違った仮説も、ろくでもない理由で切ったベンダーも、メモの中で誤って人物評した相手も覚えています。訂正と撤回は、これが最悪の判断の堆積層になるのを防ぐ仕組みです。使うのは機能ではなく習慣であり、ほとんどのチームは恥ずかしいことが表に出るまでその習慣を作りません。

ここから持ち帰るもの

ページ数ではありません。ページ数は自慢で、正直な自慢ですが、移植できません。

移植できるのは順序のほうです。まずキーワード検索、モデル不要、初日から動く。意味の層は後から、役に立つかを測れるようになってから。グラフは本当に探索である質問のために。統合は、チャンクのリストより引用付きの答えが勝る場面だけに。そして、誰が見ていても見ていなくても回るメンテナンスのループ。手入れされない記憶は、ただの山だからです。

リポジトリには、見る価値のある小さく鋭いツールもあります。gbrain skillopt は SKILL.md を学習可能なパラメータとして扱います。スキルからベンチマークを生成し、審判を強化し、最適化器に編集を提案させ、測定可能にスコアが上がったものだけを残す。20分、API 呼び出しにして約1ドル。同じ哲学の縮小版です。改善を測定できないなら、それは保持できない。

関連記事