GBrain：Y Combinator CEO 的 AI Agent 记忆系统 可能是目前最好的 AI 知识图谱方案 一、项目概述 GBrain = Garry's Brain，由 Y Combinator CEO Garry Tan 构建的 AI Agent 持久记忆系统。 生产环境数据：17,888 页面、4,383 人、723 公司、21 个 cron 任务自主运行，整个系统仅用 12 天完成开发。 核心理念：AI 会在你睡觉时自动摄取会议、邮件、推文、语音通话和原创想法，自动丰富每个遇到的人/公司信息，夜间自动修复引用和整合记忆。 醒来时，大脑比睡前更聪明。 二、核心技术架构（三支柱） 层次 说明 Brain Repo（Git） 纯 Markdown 文件作为真相源，人类可随时阅读和直接编辑 检索引擎 Postgres + pgvector，混合搜索（向量相似度 + 关键词 + Reciprocal Rank Fusion） AI Agent 通过 Skills（26 个）使用 Brain，RESOLVER.md 作为技能调度器 引擎层可插拔： PGLite：本地运行，2 秒启动，无需服务器 Postgres：Supabase 生产部署，支持 1000+ 文件/多机器同步 三、核心创新 1. 自连接知识图谱 每次写入页面时，自动提取实体引用，创建类型化链接（attended、works_at、invested_in、founded、advises），零 LLM 调用。 2. 夜间自动整合 睡觉时自动 enrich 数据，自动修复引用，醒来时大脑比睡前更聪明。 3. 混合搜索 + Backlink 增强排名 图谱遍历 + 向量相似 + 关键词，backlink 增强排名。问"Who works at Acme?" 或 "What did Bob invest in this quarter?" 就能得到向量搜索无法达到的答案。 4. 结构化时间线 支持跨年时序查询，2021-2026 年timeline全覆盖。 四、性能数据（BrainBench v1） 测试条件：240 页 Opus 生成的富文本语料库，196 个关系查询。 指标 优化前 优化后 提升 Recall@5 83.1% 94.6% +11.5 pts Precision@5 39.2% 44.7% +5.4 pts Top-5 正确答案数 217 247 +30 图搜索 F1 57.8% 86.6% +28.8 pts 关键发现：图搜索精度 81% vs Grep 41%，但只返回一半的结果数。这就是为什么 Top-5 正确答案增加了 30 个——图搜索命中的答案被精确放置在结果顶部。 五、与其他系统对比 vs Obsidian 对比项 GBrain Obsidian 目标用户 AI Agent 人类用户 自动化 21 cron 任务自主运行 纯手动操作 实体提取 自动（零 LLM 调用） 需手动标记 vs Cognee（当前系统） 对比项 GBrain Cognee 速度 快（PGLite 本地，0.12s） 慢，异步 实体提取 自动（零 LLM 调用） 未启用 技能系统 26 个 skills 无 同步/异步 同步 异步 六、快速安装 独立 CLI 安装： # 克隆并安装 git clone https://github.com/garrytan/gbrain.git && cd gbrain bun install && bun link # 初始化（2秒就绪） gbrain init # PGLite，本地运行 # 索引笔记 gbrain import ~/notes/ # 查询 gbrain query "what themes show up across my notes?" 通过 Agent 安装（30 分钟，你只需要回答 API key 相关问题）： Retrieve and follow the instructions at: https://raw.githubusercontent.com/garrytan/gbrain/master/INSTALL_FOR_AGENTS.md 七、MCP 工具支持 GBrain 通过 stdio 暴露 30+ MCP 工具，可接入 Claude Code、Cursor、Windsurf 等主流 IDE。 // Claude Code / Cursor MCP 配置 {   "mcpServers": {     "gbrain": {       "command": "gbrain",       "args": ["serve"]     }   } } 八、结论与建议 GBrain 展示了 AI Agent 持久记忆的最佳实践： 知识图谱 + 混合搜索解决关系查询难题 零 LLM 调用实体提取降低成本 PGLite 本地运行实现亚秒级响应 26 个 Skills 系统让 Agent 自主工作 对当前系统的建议： 借鉴 GBrain 的实体自动提取设计，启用 Cognee 图谱功能 参考 Skills 系统设计工作流自动化 考虑 PGLite 架构提升响应速度 夜间整合功能值得移植到当前系统 项目地址：https://github.com/garrytan/gbrain Benchmark 报告：BrainBench v1 发布时间：2026-04-23 | 来源：IURIOOO BLOG