← 返回博客
Ai预计阅读 8 分钟

Garry Tan 的第二大脑有 155,795 个页面,还有一个纠错按钮

发布于 2026年11月10日
Garry Tan 的第二大脑有 155,795 个页面,还有一个纠错按钮

README 里那个数字是 155,795 个页面。然后是 24,589 个人、5,340 家公司,以及 66 个没人盯着也在跑的定时任务。主人是 Y Combinator 的总裁兼 CEO Garry Tan,软件是他的,MIT 协议开源,另外给了一个付费托管版,省得你自己架数据库。

仓库叫 gbrain,一句话卖点是「给你已经在用的那个 agent 一份你自己说了算的记忆」。这句话承担的活很多,因为它里面至少藏着三个产品:一个记忆库、一个检索系统,还有一个你睡觉时仍在往里吞数据的守护进程。有意思的不是那个最大的数字。

大多数的 agent 记忆,实践上就是一个起了个好听名字的向量索引。你把文档贴进去,它做 embedding,检索出十段提到你查询词的片段,模型再拼一拼。这套东西能用,直到你问的问题里两段互相矛盾,或者某个事实半年前就变了,或者有人需要知道一句话是从哪来的。

「记忆」通常指什么,这里指什么

GBrain 存的是带来源的显式事实。它支持更正和撤回——你可以把某条标成错的,这个「错」会被传播出去,而不是永远躺在 embedding 里。同一份记忆可以在不同 agent 之间共用,而不是焊死在某一个 harness 上。你先用无模型的关键词记忆和检索,需要了再加语义搜索、综合和后台补全。这个顺序是故意的:便宜那档完全不调模型。

改变行为的是综合那一层。它不是返回十段片段,而是给一个带引用的答案,外加一句明确的说明:这个大脑还不知道什么。这种缺口分析不常见。大多数检索系统在结构上就说不出「我这儿没有」,因为相似度搜索永远会返回它的 top k,不管多不相关。

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

溯源才是真正的功能

Tan 的说法是,这个大脑是护城河:永远不丢上下文,不用重读就能查你脑子里有什么。行,但护城河只在记忆可信时才成立,而一个记忆系统的可信来自两个性质,演示起来很无聊,建起来很贵。

第一个是归属。每条事实都指向一个来源。agent 说某家公司融了一轮,你能一路走回那条会议记录,或者那封写了这事的邮件。

第二个是撤回。如果来源错了,或者情况变了,你需要一个办法说「这条不再成立」,而且不用删掉历史。Tan 自己描述那套夜间循环时提到,agent 会修自己的引用、整合记忆。这是个维护回路,不是生成技巧,也正是笔记本和系统之间的区别。

底下还有一张带类型的知识图谱,这对某一类问题很重要。「谁在这家公司工作」不是个相似度问题,是一次游走。GBrain 的关系检索在自己的 benchmark 上把生产环境的 R@5 从 0.6626 提到 0.7241,图谱 oracle 的上界是 0.9791。注意最后那个数是什么:上界,不是产品分。两个都发出来,是那种能让其余说法更容易被相信的做法。

安装,说实话

这是个 Bun 项目,README 对一个坑说得异常直接。GBrain 不在 npm 上发布。npm 上那个叫 gbrain 的包跟它无关,而且会遮住真正的那个二进制,所以指令是只通过 bun install -g github:garrytan/gbrain#stable 安装,或者 clone stable 分支再 link。如果你装错了,gbrain doctor 会给你修法。

最小本地部署可以跑 gbrain init --pglite --no-embedding——无模型、无服务端、无 Docker。要从别的机器访问,gbrain mcp expose 会通过 MCP 在一条 Tailscale tailnet 上把它发布出去,云上 agent 用 --funnel 开关。官方说法是三十分钟装完。我猜三十分钟对已经装了 Bun、也有 Tailscale 账号的人是准的,对其他人是乐观的,这很正常。

接进现有 agent 的方式故意做得很不 glamorous:通用情况走 MCP,Claude Code 和 Codex 有个插件市场的条目,托管大脑走一条带 OAuth 的文档化路径。这套系统的设计意图是挂到你已经在用的 agent 上,而不是用一个新的人格化私人助理来取代它。

该让你担心的那部分

公司大脑和个人大脑是不同的威胁模型,README 知道这件事。远程已认证客户端受来源授权、操作授权和可见性过滤器约束。本地文件和共享的数据库凭据在信任边界的另一边——来源级隔离保护不了那些能读到磁盘的调用方。

这段话比大多数项目敢写的都诚实。它也意味着「能不能给团队共用」的答案不是能或不能,而是一串测过的具体访问路径,和一串没测过的。

还有第二个更微妙的风险,任何长寿记忆都有:它会把你的错误攒起来。一个什么都记得的 agent,会记得你花了三周的那个错假设、你因为一个烂理由否掉的供应商、你在某份笔记里误判的那个人。更正和撤回就是防止这些沉淀成你判断力最差那层的机制。用它们是一种习惯,不是一个功能,而大多数团队要等到某件尴尬的事浮出水面才会养成这个习惯。

我会从这里拿走什么

不是页面数。页面数是炫耀,而且是老实的炫耀,但它不可迁移。

可迁移的是那个顺序。先关键词检索,不调模型,第一天就能用。语义层往后放,等到你能衡量它到底帮没帮上忙。图谱留给那些本质是游走的问题。只在「带引用的答案胜过一列片段」的地方做综合。再加一个不管有没有人看着都在跑的维护回路,因为不维护的记忆只是一堆东西。

仓库里还有个更小更利的工具值得一看:gbrain skillopt,它把一份 SKILL.md 当成可训练的参数——从 skill 生成一个 benchmark,把评委练强,让优化器提改动,只留下可测量地得分更高的那些。二十分钟,大约一美元的 API 调用。同一个哲学的小样:如果你量不出改进,你就没资格留下它。

相关文章