← 返回部落格
Ai預計閱讀 8 分鐘

Garry Tan 的第二顆大腦有 155,795 頁,還有一顆更正鍵

發布於 2026年11月10日
Garry Tan 的第二顆大腦有 155,795 頁,還有一顆更正鍵

README 上的數字是 155,795 頁。接著是 24,589 個人、5,340 家公司,以及 66 個沒人盯著也在跑的 cron job。這是 Y Combinator 總裁暨執行長 Garry Tan 的專案,軟體是他的,以 MIT 授權釋出,另外提供付費的代管版本,給不想自己跑資料庫的人。

儲存庫叫 gbrain,一句話的賣點是「給你已經在用的代理一個你握有控制權的記憶」。這句話扛了很多工作,因為它裡面至少藏了三個產品:一座記憶庫、一套檢索系統,還有一個在你睡覺時持續吃資料的常駐程式。而其中最有意思的,不是最大的那個數字。

「記憶」通常指什麼,這裡又指什麼

實務上,大多數代理記憶就是一個取了個好聽名字的向量索引。你把文件貼進去,它做嵌入,檢索出十個提到你查詢的片段,模型再拼湊出點什麼。這套做法能用,直到你問的問題裡有兩個片段互相矛盾,或者某個事實半年前就變了,或者有人需要知道一句話是從哪來的。

GBrain 儲存的是明確的事實與它們的來源。它支援更正與撤回——你可以把某件事標成錯的,而這個「錯」會傳播出去,不是躺在嵌入裡永遠不動。同一份記憶可以在不同代理之間使用,而不是焊死在一個框架上。你從不需要 key 的關鍵字記憶與檢索開始,等到真的需要,再加上語意搜尋、綜整與背景擴充。這個順序是刻意的:便宜模式完全不需要呼叫模型。

綜整層是改變行為的那一層。它不回傳十個片段,而是回傳一個帶引用的答案,並且明確註明這顆大腦還不知道什麼。這種缺口分析並不常見。大多數檢索系統在結構上就說不出「我這裡沒有」,因為相似度搜尋永遠會回傳它的前 k 名,無論多不相關。

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

出處才是真正的功能

Tan 的框架是:這顆大腦是護城河——永遠不丟上下文,查自己腦裡的東西不必重讀一遍。說得通,但護城河要成立,前提是記憶可信,而記憶系統的可信度來自兩個性質:示範起來很無聊,建起來很貴。

第一個是歸屬。每一條事實都指向一個來源。當代理說某家公司募了一輪,你可以走回那場會議紀錄,或那封這樣說的 email。

第二個是撤回。如果來源錯了,或者情況變了,你需要一個方式說「這已經不成立」,而且不必刪掉歷史。Tan 自己描述那個夜間循環時提到,代理會修正自己的引用、整合記憶。那是維護迴圈,不是生成技巧,而那是筆記本與系統之間的差別。

底下還有一張有型別的知識圖,這對某一類問題很關鍵。「誰在這家公司工作」不是相似度問題,是一次走訪。GBrain 的關聯檢索在自己的基準上把生產環境的 R@5 從 0.6626 拉高到 0.7241,而圖形上限是 0.9791。注意最後那個數字是什麼:上限,不是產品分數。兩個都公布,正是讓其餘說法比較容易相信的那種做法。

安裝,老實說

這是一個 Bun 專案,而 README 對一個陷阱講得異常直接。GBrain 沒有在 npm 上發布。npm 上那個叫 gbrain 的套件與它無關,而且會遮蔽真正的執行檔,所以指示是只用 bun install -g github:garrytan/gbrain#stable 安裝,或者 clone stable 分支再 link。如果你裝錯了,gbrain doctor 會給你修法。

最小化的本機設定可以跑 gbrain init --pglite --no-embedding——不用 key、不用伺服器、不用 Docker。要從其他機器連進來,gbrain mcp expose 會透過 MCP 在 Tailscale 的 tailnet 上把它開放出去,雲端代理再加 --funnel。官方說法是三十分鐘裝完。我猜三十分鐘對已經有 Bun 和 Tailscale 帳號的人是準的,對其他人則偏樂觀,而這很正常。

把它接到現有代理的設計刻意不炫:一般情況走 MCP,Claude Code 與 Codex 有外掛市集的項目,代管版大腦有 OAuth 的文件路徑。整套系統是設計來附著在你已經在用的代理上,而不是用一個新的個人助理身分把它換掉。

該讓你擔心的那一段

公司的大腦與個人的大腦是不同的威脅模型,README 知道這件事。遠端已驗證的用戶端會受來源授權、操作授權與可見性篩選限制。本機檔案與共用的資料庫憑證則在信任邊界的另一側——來源層級的隔離保護不了能讀磁碟的呼叫者。

這比大多數專案寫得誠實。它也意味著「我們能不能跟團隊共用」的答案不是能或不能,而是一份測過哪些存取路徑的清單,以及一份沒測過的名單。

還有一個更細的風險,任何長壽的記憶都帶著它:它會累積你的錯誤。一個什麼都記得的代理,會記得你花了三週的錯誤假設、你用爛理由否掉的供應商、你在筆記裡誤描繪的那個人。更正與撤回是防止它變成你糟糕判斷沉積層的機制。使用它們是一種習慣,不是一個功能,而多數團隊要等到某件難看的事浮上來,才會養成這個習慣。

我會從它身上拿走的東西

不是頁數。頁數是炫耀,而且是很誠實的炫耀,但它不可轉移。

可轉移的是那個順序。先關鍵字檢索,不用模型,第一天就能用。語意層之後再加,等你可以量出它有沒有幫上忙。圖留給那些本質上就是走訪的問題。綜整只用在「有引用的答案勝過一堆片段」的地方。再加上一個無論有沒有人看著都在跑的維護迴圈,因為沒在維護的記憶只是一堆東西。

儲存庫裡還有一個更小、更利的工具值得一提:gbrain skillopt,它把 SKILL.md 當成可訓練的參數——從 skill 生成一份基準、強化評審、讓優化器提案修改、只留下分數確實變高的那些。二十分鐘,大約一塊美金的 API 呼叫。這是同一套哲學的縮小版:如果你量不出進步,你就沒資格留著它。

相關文章