Y Combinator 现任 CEO Garry Tan 在 GitHub 上开源了一套名为 GBrain 的 AI agent 知识系统，让 AI 助理能够拥有持续累积的长期记忆。这不是一个概念验证，而是 Tan 本人日常使用的生产力工具 — 他通过 OpenClaw agent 累积了超过一万份 Markdown 文件，涵盖每一个接触过的人、公司与概念。
为什么 YC CEO 要自己写知识管理工具
Garry Tan 的核心洞察是：目前的 AI agent 每次对话都从零开始，不记得你是谁、不知道你在做什么、不了解你的脉络。GBrain 要解决的问题是让 agent 在每一次对话中都变得更聪明，而不是每次都像第一次见面。
运作逻辑是一个持续的“读取 → 回应 → 写入”循环：当 agent 收到讯息时，先侦测其中涉及的实体（人名、公司、概念），接着查询 GBrain 中已有的相关知识，然后带着完整脉络回应，最后将对话中学到的新信息写回知识库。每一次互动都在累积，效果会随着时间复利增长。
知识架构：编译真相加上时间轴
GBrain 的知识存储格式相当独特。每一个实体（人、公司、概念）都有一个专属页面，由两部分组成：
“编译真相”（Compiled Truth）是你目前对这个实体的最佳理解，会随着新证据出现而改写。“时间轴”（Timeline）则是纯追加的证据记录，只增不改 — 记录每一次接触、每一个信息来源与时间戳。
这种设计让知识具有可追溯性：你不只知道某件事是什么，还能追溯是何时、从哪里学到的。
数据来源：会议、Email、Twitter、电话全自动匯入
GBrain 提供多种自动化整合方式，让知识自动流入系统：
整合来源 功能 Gmail 自动将邮件内容转换为实体页面 Google Calendar 每日行程转为可搜索的知识页 Twitter / X 时间轴、提及与删除追踪 语音通话 通过 Twilio + OpenAI Realtime 转录为知识页 会议记录 Circleback 逐字稿自动转换为脑页
技术架构：30 分钟内建立完整知识库
GBrain 预设使用 PGLite — 一个通过 WebAssembly 运行的嵌入式 Postgres 17.5 — 完全不需要架设数据库服务器，两秒内即可启动。搜索采用混合模式，结合向量语意搜索（OpenAI embeddings）与关键词搜索，通过倒数排名融合（Reciprocal Rank Fusion）整合两种结果。
系统支持三种使用方式：命令行工具（CLI）、MCP server（可直接接入 Claude Code、Cursor 等工具），以及 TypeScript 函式库供开发者整合。MCP server 模式下提供 30 个工具，包括页面读写、搜索、图谱遍历与文件上传等。
对 AI agent 生态的意义
GBrain 的出现回应了 AI agent 领域的一个核心问题：记忆。目前主流的 AI 工具（Claude、ChatGPT）虽然内建了基本记忆功能，但大多局限于对话偏好层级。GBrain 提出的是一个更有野心的愿景 — 让 agent 拥有结构化的“世界知识”，而非只是记住你喜欢用繁体中文。
Garry Tan 在文件中特别区分了三层记忆：GBrain 管理的“世界知识”（人、公司、会议、概念）、agent 自身的“操作状态”（偏好、决策、行为模式），以及即时的“对话脉络”。他认为 AI agent 在每次运行时应同时检查这三层，才能提供真正个性化的服务。
这套系统来自硅谷最具影响力的创投人之一，他每天用它管理与数百位创办人、投资人的互动。当 YC CEO 认为 AI agent 需要这样的知识基础设施，这本身就是一个值得关注的讯号。
这篇文章 YC CEO Garry Tan 开源 AI 记忆系统 GBrain：让 AI 助理每次对话都变得更聪明 最早出现在 链新闻 ABMedia。
