GBrain：把 AI agent 的记忆拿回自己手里

AI agent 用得越久，越容易碰到同一个麻烦：它记不住你，或者记住了却说不清这条信息从哪来。许多产品把记忆藏在自己的黑盒里，换一个工具就要从头教起，记错了也很难纠正。GBrain 要解决的正是这件事，定位也很直接：给你已经在用的 agent 配一份由你自己掌控的记忆。项目由 Y Combinator 总裁兼 CEO Garry Tan 开源，仓库描述写的是"Garry 带有主见的 OpenClaw/Hermes Agent 大脑"，主要用 TypeScript 编写，采用 MIT 许可，可以免费自托管，官方另外提供可选的付费托管服务 gbrain.io。它不是又一个聊天机器人，而是挂在 agent 旁边的记忆层，在生态里处在 agent 框架与个人知识库之间。作者介绍说，这套系统就是他自己 OpenClaw 与 Hermes 部署背后的生产环境大脑，规模为 155,795 个页面、24,589 个人物、5,340 家公司，另有 66 个定时任务在自主运行。这些数字出自作者自述，适合当作规模参考，不等于第三方评测结果。项目在 GitHub 上已有三万两千多颗星，说明这个问题确实有很多人关心。从核心能力看，GBrain 最醒目的做法是把记忆当作"显式事实"来管理。每一条事实都带着自己的来源，也允许被更正，或者被撤回。

这和把对话悄悄压成向量、再也看不清内容的做法不同，用户随时可以回头检查记忆为什么是现在这个样子。第二个差异是同一份记忆可以跨多个 agent 使用，换一个客户端，不必重新交代自己是谁。第三是能力可以按需叠加：起步阶段不需要任何密钥，只用关键词检索；之后再加上语义搜索、综合以及后台充实。技能也被放进了同一套体系：新建的本地 brain 会在内容根目录带上记忆技能，agent 可以加入某个授权目录，只有获批的编辑者才能发布；托管的编码 agent 安装会增加一个自有的原生路由，而重启和真实使用验证被明确列为单独的步骤。迁移采用分阶段方式，会保留共享选择和个人修改。作者还描述了日常运转的样子：agent 在他睡觉时摄入会议、邮件、推文、语音通话和原创想法，为遇到的每个人和公司补全资料，修正自己的引用，并在夜里整合记忆。上手路径分成三条，文档给出了明确的推荐顺序。第一条也是官方推荐的做法，是把 GBrain 加到现有 agent 里，让 agent 保持原有身份，把记忆存进它自己的环境，不需要新建个人 agent 身份，也不必准备私有仓库。目前有 Grok Bot、Muse、Codex 和 Claude Code 的专门指南，其他 harness 则通过 MCP 接入。第二条是在自己的电脑上用，一条 gbrain mcp expose 命令就能把 brain 经 MCP 发布到 Tailscale tailnet 并保持运行，面向 Grok Bot、Muse、ChatGPT 这类云端 agent 时再加上 --funnel。

文档甚至建议直接对 agent 说"use my brain over mcp"。第三条是连接已有的托管 brain，可以选原生 OAuth 或私有机器连接，管理端使用独立的 owner 凭证，委托被写成一项必须明确做出的选择。文档里有一处值得称道的细节：它特意区分 Grok Bot 与 Grok Build、Muse 的个人 agent 与 Muse Code 是不同的产品，并说明 Muse 本来就有可编辑的原生记忆，GBrain 补上的是显式、可携带、带来源并能共享访问的记录。各指南还标注了带日期的证据和尚未完成的验证步骤，这种坦率让读者更容易判断自己的环境能不能用。对开发者社区和工程团队来说，GBrain 的意义在于把"记忆归谁"这件事摆上了桌面。当 agent 越来越像长期同事，记忆如果只存在某个厂商的后台，迁移成本和审计难度都会越来越高。GBrain 提供了另一种思路：记忆是用户拥有的、有出处的、可以修正的资产。它也可以作为公司共用的 brain，远程客户端受来源与操作授权以及可见性过滤的约束。不过项目自己写得很清楚，本地文件和共享数据库凭证属于另一道信任边界，单靠来源划分并不能隔离这些调用者，授权测试覆盖的是具体的访问路径，不是对不泄漏的通用保证。团队在上线前应当把这句话当作必读内容，自行评估凭证管理与权限范围。另一个风险是规模与效果主要来自作者自述，换成别人的数据和工作流后表现如何，还需要实际检验。接下来值得观察的方向有三个：各 harness 指南中待验证的步骤何时补齐，多个 agent 共用记忆时的更正与撤回如何落到实处，以及自托管与付费托管之间的边界会怎样演变。