GBrain 是 Garry Tan（Y Combinator 总裁/CEO）做的、给 AI agent 用的『大脑』——一套持久记忆 + 自动织网知识图谱系统，专为 OpenClaw/Hermes 这类 agent 设计。它解决『agent 很聪明但很健忘』：把会议、邮件、推文、语音、想法等吃进来，沉淀成一个 git 仓库里的 markdown 知识库，并在每次写页时零 LLM 调用地抽取实体引用、建立 attended/works_at/invested_in/founded 等类型化边，长成一张自连的知识图谱；查询走向量 + BM25 + 重排的混合检索。它是 Garry 自己生产用的 agent 大脑（号称 1.7 万页/4383 人/723 公司/21 个 cron），把这些模式泛化成可 30 分钟装好的开源系统。TypeScript，MIT。
来源：README 顶部/What it does/Capabilities；GitHub desc，license MIT 查看 GitHub 仓库 →约 1.8 万星，热度来自三重：作者是 YC 总裁 Garry Tan 这块强背书；它直击 agent 最大短板——长期记忆与知识连接；并且它不是 demo，而是 Garry 真实生产 agent 背后的『大脑』泛化开源，附了与纯向量 RAG 的并排基准（自评 P@5 +31.4 分）。零 LLM 自织知识图谱、混合检索、夜间自我整理这套组合，对想给自己 agent 加靠谱记忆的人很有吸引力。
来源：GitHub 18,137 stars / 2,529 forks，created 2026-04-05；README 顶部/BrainBench每次 put_page 都从 markdown/wikilink/类型链接语法里抽实体引用、写类型化边（attended/works_at/invested_in/founded/advises 等），不调 LLM；新实体自动建页 stub，图谱随写入生长，支持多跳 graph-query。它带来对纯向量 RAG 的检索提升。
来源：README Capabilities（Self-wiring knowledge graph）/What it does（Auto-link）向量（pgvector HNSW）+ BM25 关键词 + reciprocal-rank fusion + 来源分层加权 + 意图感知查询改写，三种命名模式（conservative/balanced/tokenmax）打包成本/质量旋钮；默认 balanced + ZeroEntropy 重排，向量找语义相近、图谱找事实相连，二者互补。
来源：README Capabilities（Hybrid search）/Architecture（Why the graph matters）cron 驱动的 enrichment 在你睡觉时跑：去重人物页、修引用、打 salience 分、找矛盾、备明日任务；`gbrain doctor --remediate --target-score 90 --max-usd 5` 一条命令按依赖顺序自动把大脑修到目标分并守住成本上限，autopilot 每 5 分钟巡检（健康则睡 60 分钟）。
来源：README 顶部（v0.36.4 自动驾驶）/What it does（Cron-driven enrichment）BullMQ 形态、Postgres 原生的 job 队列，支持崩溃可恢复的 durable subagent、shell 审计作业、级联超时、出站限速租约、S3 附件等；43 个工具无关的 markdown 技能（信号捕获/摄取/enrichment/查询/引用修复/日程/cron/报告/语音/soul 审计等）打包成 skillpack 投进 agent 工作区。
来源：README Capabilities（Job queue/43 curated skills）知识存为普通 git 仓里的 markdown（brain repo 即系统真相，可发布公开子集/团队挂载/瘦客户端）；存储引擎二选一：PGLite（Postgres WASM，零配置，~5 万页内）或 Postgres+pgvector（团队/大规模）；自带 LongMemEval/BrainBench 评测、矛盾检测、时间轨迹与 founder scorecard。
来源：README Architecture（Two engines/Brain repo）/Capabilities（Eval framework/Brain consistency）TypeScript（bun）项目，契约优先：src/core/engine.ts 定义约 47 个操作的 BrainEngine 接口，PGLite 与 Postgres+pgvector 两个引擎都实现它，CLI 与 MCP server 从同一源生成。两条正交组织轴：brain（一个数据库，个人大脑/团队挂载）⊥ source（大脑内的一个 repo，wiki/gstack/essay 等），路由靠 .gbrain-source 点文件按 6 级优先级解析。数据真相在 git 的 markdown（brain repo），GBrain 同步进 Postgres 做检索，git 里删除即 DB 软删。运行回路是 signal→search→respond→write→auto-link→sync：信号检测每条消息跑、检索先查大脑再调外部、写页即零 LLM 织图、cron 夜间整理。任务经 Minions（Postgres 原生队列）持久执行，部分 cycle 阶段（synthesize/patterns/consolidate）受保护防 MCP agent 偷烧额度。集成（Twilio 语音、邮件日历 webhook、16 家 embedding provider、MCP）以 recipe 形式在 recipes/，技能在 skills/。整体是『git markdown 真相 + 双 Postgres 引擎 + 自织图谱 + 混合检索 + 持久任务 + 技能/集成 recipe』的 agent 记忆系统。
来源：README Architecture/What it does；tree（src/core、skills、recipes、evals）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
PGLite（Postgres WASM）/ Postgres + pg…BM25 + HNSW + RRF（混合检索）ZeroEntropy（默认 embedding/reranker，可换…Minions（Postgres 原生 job 队列）MCP servergit（brain repo 真相）适合：①给自己的 OpenClaw/Hermes/MCP agent 加一套靠谱的持久记忆 + 知识图谱、想要『越用越聪明』的重度 agent 用户；②需要把会议/邮件/人脉/公司等结构化沉淀、并能多跳查询（谁在 Acme 工作、Bob 这季度投了什么）的人；③看重数据自有（git markdown 真相）、可自托管、可团队共享的场景；④想研究 agent 记忆/混合检索/自织图谱工程的人。不适合：只要简单向量 RAG、不想维护 Postgres/cron 与多 provider 的轻量用户；以及不使用 agent 平台、只想要现成产品的人。
来源：README 顶部/Architecture，结合定位推断版本迭代极快（README 充斥 v0.35-v0.38 的逐版更新，如 v0.36.2 默认 ZeroEntropy、v0.36.4 doctor 自动驾驶、v0.35.7 时间轨迹/founder scorecard），主分支几乎实时更新（最近 push 2026-05-22，创建于 2026-04-05）。配套 gbrain-evals 仓库放 BrainBench 评分，处于早期但极活跃的迭代期。
来源：README 顶部各版本说明；pushed_at 2026-05-22；created 2026-04-05GBrain 押的是 agent 时代最实在的短板——记忆。它不满足于向量 RAG，而是用『每次写页零 LLM 自动织出类型化知识图谱 + 混合检索 + 夜间自我整理』给 agent 造了一个会越用越聪明的大脑，还以 git markdown 为真相、双 Postgres 引擎、持久任务队列把工程做扎实，加上 Garry Tan 真实自用的背书和自带评测，1.8 万星不意外。要清醒它的代价：概念和配置面大、维护与 provider 成本不低、基准多为自评需验证，且明显偏向 OpenClaw/Hermes 生态与作者的取舍。对想给自己 agent 加一套认真的记忆与知识图谱、愿意折腾自托管的重度用户，这是当前最值得深入的 agent 大脑之一；要轻量即用的人则偏重。
来源：综合 README 定位/能力/架构、自评基准与运维成本、发布节奏的事实判断