最近身边不少朋友，都在试图让 Agent 记住更多关于自己的事情。
但发现 OpenClaw 和 Hermes Agent 的记忆系统，远没有想象中强大。
它们记的是偏好、习惯这些表层的东西，我们长期积累下来的知识，并没有被覆盖到。
这个差距，决定了 Agent 能不能真正懂我们。
直到最近，Y Combinator 总裁 Garry Tan 给出解决方案并将其开源，名叫 GBrain。
Garry Tan 把 3000+ 人脉档案、13 年日历记录、280 场会议录音、5800 条 Apple Notes，总共 10000+ Markdown 文件全部导入 GBrain。
从此每次提问，Agent 都会先去这个知识库里查一遍再回答，成了他真正意义上的第二个 AI 大脑。
项目刚开源三天，便斩获 6500+ GitHub Star，在 AI 技术圈子里引发了大量讨论。
它的记忆，是怎么设计的？
GBrain 最核心的设计，叫「compiled truth + timeline」，翻译过来就是「当前判断 + 时间线」。
每个人、每家公司，都有独立的一页 Markdown 文件。上半部分写当前最准确的判断，下半部分是时间线，只追加，不修改。
普通笔记是纯追加式的，时间一长就变成一堆碎片，根本找不到「现在最新的结论在哪」。
这套结构把结论和证据强制分开，Agent 才有办法持续更新、持续调取。
上面是结论，下面是证据。
维护这套档案的，是一个叫「dream cycle」的机制。每天晚上，Agent 自动扫一遍当天的对话、会议记录、邮件，把新冒出来的人名、公司、想法补进对应的档案页。
这就好比人在睡觉时大脑会整理当天信息，Agent 也一样，趁我们不用的时候，把记忆悄悄整理好。
数据从哪里来？
GBrain 提供了几条现成的数据「接入方式」，覆盖日常最常用的几类数据源。
邮件：接入 Gmail，自动提取人名、公司、关键决策，归档到对应页面。
日历：同步 Google Calendar，每天的会议自动变成带参与者背景的可检索记录。
会议录音：对接 Circleback，录音转文字后自动关联参会人的档案页。
社交平台：追踪关注博主的发帖，捕捉他们最新的想法动态。
安装门槛，先说清楚
上手之前，有几个前提条件需要提前了解。
第一，对模型要求比较高。 官方测试跑通的是 Claude Opus 4.6 和 GPT-5.4 Thinking，小模型容易出错。
第二，数据得自己灌进去。 会议要录，笔记要存，日历要导，这些是持续的投入。对大多数人来说，冷启动的门槛确实不低。
安装方式有两种。
配合 Agent 使用（推荐）：
已有 OpenClaw 或 Hermes Agent 的话，到项目 README 文件复制提示词，发送给 Agent。
它会自动完成安装、建库、导入、配置集成的全流程，只需要回答几个 API key 的问题。
大约 15 至 30 分钟跑完，取决于数据量。
独立 CLI（适合先试试）
没有 Agent 也能跑，功能相对有限，但可以先感受一下检索效果：
curl-fsSL https://bun.sh/install | bash && source ~/.bashrcbun add github:garrytan/gbraingbrain init # 本地数据库，约 2 秒就绪gbrain import ~/你的笔记目录/gbrain query "你想搜索的内容"
本地文件如果超过 1000 个，或有多设备访问需求时，建议迁移到 Supabase 云端数据库。
写在最后
GBrain 刚开源不久，存在不少问题，整体处于早期阶段，适合大家探索学习。
但它所指向的方向，值得认真思考。
OpenClaw、Hermes Agent 已解决了「能干活」这事，7×24 小时运转、接管各种工作流。
接下来要解决的，是如何做到「越用越聪明」，前提是 Agent 要有东西可以积累。
现阶段各家做的记忆系统，大多停留在记偏好、记习惯这一层，还远没有触及一个人真正积累下来的知识。
GBrain 往前推了一步，把一个人十几年的知识积累，变成 Agent 随时可以调用的上下文。
让 Agent 不再只是知道我们喜欢什么，而是了解我们认识的人、经历的事、思考过的想法。
这才是「第二个 AI 大脑」真正该有的样子。
Garry Tan 开源 GBrain，至少给出了一个经过真实验证的参考答案。
至于如何让每个人都能零门槛用上这种能力，不再依赖海量的前期数据积累，是整个行业接下来要解决的难题。
