给 OpenClaw 装上第二大脑：GBrain 开源，Agent 终于不再"失忆"了

文章主旨：

GBrain 通过将 Agent 记忆从“外挂硬盘”升级为“大脑”，采用三层架构（Markdown 真值源 + 混合检索 + 34 技能工作流）和零 LLM 调用的知识图谱，解决了 Agent 的“失忆”问题，并验证了 Agent 记忆作为独立、协议层服务的模式，但项目目前仍存在技术栈锁定、个人化设计等局限。

关键要点：

• GBrain 是 YC 总裁 Garry Tan 开源的 Agent 记忆系统，上线 24 小时获 5000 颗星，现 14,000+ 星。
• 核心差异化：以 Markdown + Git 作为人类与 AI 共享的真值源，混合检索（向量 + 全文 + backlink 加权）比纯向量搜索高 31.4 个百分点（P@5 49.1%, R@5 97.9%），自布线知识图谱零次 LLM 调用，以及 Dream Cycle 夜间记忆巩固机制。
• 架构分三层：Brain Repo（真值源，Markdown 文件 + Git）、Retrieval Index（混合检索引擎，PGLite，四层去重、backlink 加权）、34 个 Skills 工作流（五类：Always-on、内容摄入、研究综合、脑区运维、身份设置）。
• 零 LLM 调用的知识图谱通过正则和字符串匹配自动提取实体关系（如 attended, works_at 等），并具有自我进化机制（Tier 3→Tier 2→Tier 1）。
• Dream Cycle 机制：白天信号捕获不阻塞，晚上 Minions 跑确定性批量任务（零 LLM 成本），完成记忆巩固。

内容结构：

01 三层架构：为什么“向量数据库 + 聊天记录”不够

GBrain 架构分三层：

• Layer 1：Brain Repo — 真值源。每个实体一个 .md 文件，Git 版本控制。包含 Compiled Truth（当前摘要，可重写）和 Timeline（追加式，不可修改）。人类与 AI 共享同一份真值源。
• Layer 2：Retrieval Index — 混合检索引擎。默认 PGLite（WASM 嵌入式 Postgres），查询管线：用户查询 → 查询扩展（Claude Haiku） → 并行搜索（HNSW 向量搜索 + PostgreSQL tsvector 全文搜索） → RRF 融合 → 四层去重 → Backlink 加权排序 → 返回 Top-K。比纯向量搜索高 31.4 个百分点。
• Layer 3：34 个 Skills 工作流。设计哲学 “Thin Harness, Fat Skills”，分为五类：Always-on、内容摄入、研究综合、脑区运维、身份设置。每个技能文件是 Markdown，规定触发条件、读取/写入内容、质量标准。

02 最惊艳的设计：零 LLM 调用的知识图谱

每次写入脑页，通过正则和字符串匹配自动提取实体和关系（attended, works_at 等），无需 LLM。支持纯图谱查询。实体具有自我进化机制：首次提及建 Tier 3 存根页，跨三个来源升级到 Tier 2（自动 web 搜索充实），参加或跨八个来源升级到 Tier 1（完整充实管线）。

03 晚上睡觉时，你的 Agent 在做这些事

Dream Cycle 机制：白天 Signal Detector 全天候捕获信号，Agent 查询脑区后写入新信息；晚上 Minions 跑确定性批量任务（拉帖子、补充引用、去重合并、重建索引），零 LLM token 成本。Minions 用原生 TypeScript 代码跑，比子 Agent fan-out 快（753 毫秒 vs 网关超时）。Garry Tan 的 brain 跑着 21 个 cron job。

04 跑起来：30 分钟接入你的 Python Agent

通过 MCP 协议可接入 Python Agent。步骤：安装 GBrain（依赖 Bun）→ 导入笔记 → 启动 MCP Server → 使用 Python 调用（提供完整示例代码）。也可在 Claude Code 中通过配置直接使用。

05 但别急着 all-in：几个现实的坑

环境问题（Bun、Node 版本冲突），首次查询冷启动延迟 3-5 秒，技能文件英文且含 OpenClaw 占位符需改造。项目局限：技术栈锁定（Bun + TypeScript），仅深度支持 OpenClaw 和 Hermes，单操作者设计不适合团队，依赖前沿模型，API 不稳定（v0.30，breaking changes 常见）。

06 12 个月后回头看

作者判断：Agent 记忆不会走“框架内置”路，而走“协议层标准化”路。GBrain 验证了独立记忆服务模式，但设计过于个人化，难以成为标准。预测：12 个月内 LangGraph 和 CrewAI 会出官方 MCP Memory Server。看好方向：多 Agent 协作、Python 原生 SDK、托管云版本、记忆协议标准化。

07 架构全貌

信号流入 → Skills 层决定是否记 → Retrieval 层负责查找 → Brain Repo 真值源 → 知识图谱关联记忆 → 反哺检索层，形成正反馈循环。

文章总结：

GBrain 是一个极具创新性的 Agent 记忆系统，其架构设计和性能验证了独立记忆层的可行性，但当前个人化色彩浓厚、技术栈锁定且接口不稳定，更适合愿意尝鲜的早期采用者，而非追求稳定生产力的团队。

基础设施即代码：你需要知道的一切

了解更多

数据STUDIO

查看原文：给 OpenClaw 装上第二大脑：GBrain 开源，Agent 终于不再"失忆"了

文章来源：

数据STUDIO

扫码关注公众号