YC掌门人开源了他的"第二大脑"(图

2026-04-13 | 来源: MIT科技评论 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

（来源：GitHub）

GBrain 是基于 Tan 真实生产环境部署总结而来。其知识库包含 14,700 多个“大脑页面”（Markdown 文件）、40 多个 Agent 技能以及 20 多个持续运行的定时任务。这些数据跨度长达 13 年，涵盖日历、Apple Notes、邮件、会议纪要及社交关系。

当数据规模增长至约 3,000 个人物页面和 5,800 条笔记时，传统的文本搜索工具（如 grep）已彻底失效，这正是 GBrain 诞生的直接动因。

技术实现层面，GBrain 选择了一条相当务实的路线。它默认使用 PGLite，一个通过 WebAssembly 运行的嵌入式 Postgres 17.5 数据库。在本地即可完成初始化，无需 Docker、无需云服务账号，官方声称数据库就绪时间约 2 秒。检索方面，GBrain 采用混合搜索策略：关键词精确匹配搭配基于 pgvector 的向量语义搜索，再通过 RRF（Reciprocal Rank Fusion，一种排序融合算法）将两路结果合并。

GBrain 中最吸引人的环节当属它的“梦境循环”（Dream Cycle）机制。

Tan 在README 中这样描述这个机制：“Agent 在我睡觉的时候运行。梦境循环会扫描当天每一段对话，充实缺失的实体信息，修复损坏的引用，合并冗余记忆。我早上醒来，大脑已经比我睡着前更聪明了。”在 Tan 的配置中，他使用的是 OpenClaw，因此通过一个 DREAMS.md 的文件承载这一逻辑。但他也补充，对于使用 Hermes Agent等其他框架的用户，则可以通过设定夜间定时任务来实现类似效果。

GBrain 的知识模型还采用了一种“编译真相”（Compiled Truth）架构：每个人物页、公司页或概念页的顶部放置当前最佳判断的综合摘要，底部则是不可修改的时间线条目，记录原始证据。随着新证据不断涌入，Agent 会自动重写顶部的综合判断，但底部的证据链永远不会被篡改。

在 SKILLPACK 文档的开篇，Tan 聊到了这个“第二大脑”的灵感来源——Vannevar Bush 1945 年发表在《大西洋月刊》上的经典论文《As We May Think》中描述的 Memex 设想：一台能够存储个人所有书籍、记录和通信，并通过“关联索引”进行极速灵活检索的设备。

龚俊任敏主演的《家事法庭》收官,观众催更第二季:法理人情间慢炖出生活的鲜

Keke Palmer新剧续订第二季,Peacock却不敢公布播放量

人形机器人有了泰森的身体,却还在等霍金的大脑

（来源：The Atlantic)

但 Tan 指出了关键区别：Bush 的 Memex 是被动的，需用户手动建立关联；而 GBrain 是主动的，Agent 会自动检测实体、创建交叉引用并维护真相。“你不需要去建造 Memex，”Tan 写道，“Memex 自己会建造自己。”

这一思路与 Andrej Karpathy 近期关于“LLM 知识库”的工作异曲同工。Karpathy 主张用 LLM 充当“全职研究馆员”，取代传统 RAG（检索增强生成）管道中低效的即时拼凑模式。在 4 月 10 日的推文中，Tan 明确提及了 Karpathy 的工作对他的启发。

尽管愿景美好，但围绕 GBrain 的质疑同样存在。DEV Community 上一篇由 Penfield Labs 发表的分析文章在仓库上线六天后就对代码进行了审查，得出了不太乐观的结论：GBrain README 中宣传三个重要功能：编译真相重写、梦境循环维护、以及每条消息上的实体检测，在代码库中均无对应的程序逻辑实现。

文章认为，这些功能本质上是写在 Markdown 文档中的 Agent 指令，依赖 LLM 去解读和执行，而非通过确定性代码实现。此外，项目 Issue #22 中记录了 12 个关键 Bug，包括竞态条件、NULL 嵌入覆盖等，安全审计甚至标注其 S3 后端“未达到生产就绪”状态。

这些质疑触及了一个更深层的争论：当一个系统的核心功能是通过自然语言指令让 LLM 代为执行，而非通过确定性代码实现时，它究竟算不算一个“软件产品”？还是更接近于一套精心编排的提示词工程？