GBrain：给 OpenClaw 与 Hermes 加可追溯的共享记忆
给 OpenClaw、Hermes 和团队 Agent 用的可追溯共享记忆，区别是能做综合回答和关系图谱检索。
GitHub garrytan/gbrain 更新 2026-11-10 分支 master 星标 32.2K 分叉 4.8K
TypeScript Shell AI Agent记忆 知识图谱 MCP Supabase OpenClaw Hermes

🧭 决策指南

为什么现在热： 无法从材料判断

适合，如果你

  • 你已有OpenClaw或Hermes，希望多个Agent共享带来源的事实记忆。
    README“Give the agent you already use a memory you control”：支持显式事实、来源、修正与撤回。
  • 你的10-50人团队需要OAuth-scoped的公司知识库。
    README Tutorials中的“Set up GBrain as your company brain”：明确写明federated、multi-user、OAuth-scoped和10-50人团队。
  • 你希望用关系问题检索人员与公司，而不是只返回文本片段。
    README“A typed knowledge graph”：支持breadth-first graph walks，并报告BrainBench production R@5为0.7241。
  • 你要优化现有SKILL.md，并接受约20分钟和约1美元API调用成本。
    README Tutorials中的“Auto-improve a skill with gbrain skillopt”：支持`--bootstrap-from-skill`，耗时约20分钟、成本约1美元。

不适合，如果你

  • 你要求本地文件或共享数据库凭据天然隔离不同调用者。
    README公司脑部分明确说这两类信任边界不会由sources隔离，授权测试也不是universal no-leak保证。
  • 你的数据不能发送给embedding、reranking、extraction或synthesis云提供商。
    README“memory boundaries”相关段落明确写明配置的云端提供商可能收到文本。
  • 你只需要完整数据库备份，而不是Markdown内容导出。
    README明确写明“Markdown export is not a full database backup”。
  • 你只想使用现有Agent的原生可编辑记忆，不需要GBrain的来源记录与共享访问。
    README指出Muse已有native editable memory，而GBrain增加explicit、portable record with provenance and shared access。

前置条件

  • 安装器是面向macOS和Linux的Shell脚本，README要求运行前先阅读。
  • 托管CLI安装示例要求Bun 1.4.4+，否则先安装Bun。
  • 使用`gbrain mcp expose`的远程访问路径依赖Tailscale；云Agent还可加`--funnel`。
  • 持续enrichment需要独立compute和API configuration；README同时说明可先使用keyless memory。
  • 公司脑教程面向10-50人团队，个人全栈教程包含OpenClaw、GBrain与Supabase。

第一步命令（README 原文）

bun install -g github:garrytan/gbrain#stable   # the gbrain CLI only; no local brain

要注意

  • Grok Bot与Grok Build是不同产品，Muse个人Agent与Muse Code也不同。
    README“Choose your setup”后的产品区别说明。
  • 远程put_page边会在sweeps、maintenance或add_link后到达，不一定即时出现。
    README“A typed knowledge graph”明确描述remote `put_page` edges的到达方式。
  • 0.9791是graph-oracle-parse上界，不是产品分数。
    README“A typed knowledge graph”对BrainBench数字的特别说明。
  • 托管安装的MCP条目可保留，但setup instructions会写入CLAUDE.md或AGENTS.md。
    README Install中`gbrain setup --instructions-only`的说明。

替代方案

  • gbrain.io hosted GBrain：不想安装或维护在线服务时，README称其为“Fastest”并提供一条命令启动。
    README Install
  • Muse原生可编辑记忆：你已经使用Muse且只需要其原生可编辑记忆，不需要GBrain的portable provenance和shared access。
    README中Grok Bot、Muse产品区别段落

材料未说明

  • 省略的README章节没有提供完整自托管步骤、数据库配置和硬件要求。
  • 材料没有说明支持的具体Node.js、PostgreSQL或Supabase版本。
  • 材料没有给出语义搜索、synthesis和enrichment所支持的具体模型或供应商名单。
  • 材料没有说明155,795页个人部署数据所需的存储、CPU、内存和运行成本。
  • 材料没有提供BrainBench的完整数据集、测试配置或与其他系统的对照结果。
  • 材料没有说明10个贡献者、5个版本和最新版本v0.60.631.0对应的发布变更内容。

💡 深度解析

6
视情况 我想先不配置模型 API 密钥，只使用关键词检索验证 GBrain；如果以后启用嵌入、重排、抽取或综合，哪些数据会离开我的自托管环境？
适合读者： 希望先在无模型 API 密钥环境中验证记忆价值、但担心嵌入、抽取和综合服务发送敏感文本的自托管开发者

视情况；GBrain 支持无密钥的基础检索，但启用高级模型能力后，文本可能发送给配置的外部提供商，且无密钥模式也不代表 Harness 看不到召回内容。

  • README 明确建议从 keyless memory 和关键词检索开始，说明基础路径不依赖这些模型服务。
  • 语义搜索、重排、信息抽取和综合回答属于可选增强，可以按需增加，而不是安装后全部自动启用。
  • README 同时警告，配置的云端 embedding、reranking、extraction 和 synthesis provider 可能收到文本。
  • 即使保持 keyless，Harness 模型仍会看到召回的记忆；因此“没有模型 API 密钥”只降低外部服务配置，不等于数据完全不出现在模型上下文中。
  • README 首段："Start with keyless memory and keyword retrieval"
  • README："add semantic search, synthesis, and background enrichment when you need them"
  • README："Configured cloud embedding, reranking, extraction, and synthesis providers can receive text"
  • README："the harness model sees recalled memory even in keyless mode"
bun install -g github:garrytan/gbrain#stable   # the gbrain CLI only; no local brain
材料未说明：README 未列出每个模型提供商的具体数据保留、训练使用、区域和加密策略。；未说明是否支持所有嵌入、重排、抽取和综合步骤使用本地模型。
适合 我的主要查询是人员、公司和交易之间的关系，而不是单纯相似文本；README 中的知识图谱和 BrainBench 结果是否足以说明 GBrain 适合这类关系检索？
适合读者： 需要回答“谁在哪家公司工作”这类关系问题、并希望用 BrainBench 的 R@5 数据评估图检索价值的知识系统开发者

适合这类关系型查询，但不能把单项 benchmark 当成所有问答的准确率保证；GBrain 的图检索是关键词、语义检索和综合层之外的互补通道。

  • README 的示例直接询问“who works at acme-example?”，并说明图遍历采用 breadth-first walks，在稠密关系簇上可达毫秒级。
  • 类型化知识图谱从受信任页面写入中提取支持的引用，并可通过维护任务或 add_link 补充远程页面边。
  • BrainBench 关系问题中，relationship retrieval 将 production R@5 从 0.6626 提升到 0.7241，说明对特定关系任务有实际增益。
  • README 特别强调 0.9791 是 graph-oracle-parse 上限，不是产品分数；开放域、关系缺失或实体解析错误时仍可能依赖文本检索。
  • README："A typed knowledge graph"
  • README："Ask 'who works at acme-example?'"
  • README："walks are breadth-first, milliseconds on dense clusters"
  • README："relationship retrieval lifts production R@5 from 0.6626 to 0.7241"
  • README："0.9791 is the `graph-oracle-parse` upper bound, not a product score"
材料未说明：README 未说明 BrainBench 数据集规模、实体类型分布、测试版本和统计显著性。；未说明图谱在关系频繁变化、同名实体或来源冲突时的解析与更新准确率。
适合 我想把脑部署在自己的电脑上，再让 ChatGPT、Cursor 和 Grok Bot 从外部访问；我应该使用 Tailscale 还是带 Funnel 的 MCP 暴露，GBrain 是否适合这种连接方式？
适合读者： 使用 ChatGPT、Cursor 和 Grok Bot，希望从本地硬件通过 Tailscale 或 Funnel 远程访问同一个脑的开发者

适合，但连接方式取决于客户端是否能加入你的 Tailscale 网络；GBrain 原生提供本地脑远程 MCP 暴露，并区分 tailnet 与云端 Agent 的公网 Funnel 场景。

  • README 给出 gbrain mcp expose，说明它会通过 Tailscale tailnet 发布并保持运行。
  • 对 Grok Bot、Muse 和 ChatGPT 等云端 Agent，README 指出可增加 --funnel，因此不必把它们直接加入本地网络。
  • 项目洞察还列出 MCP、Tailscale、可选 Funnel、OAuth 和私有机器连接等不同信任路径。
  • 远程来源过滤并不等于完整主机隔离；本地文件和共享数据库凭据仍是另一条信任边界，公网暴露前必须按客户端和凭据路径分别验证。
  • Choose your setup："One command publishes it over MCP on your Tailscale tailnet"
  • README 原文：`gbrain mcp expose`
  • Choose your setup："add `--funnel` for cloud agents such as Grok Bot, Muse and ChatGPT"
  • README："Local files and shared database credentials are a different trust boundary"
gbrain mcp expose
材料未说明：README 未说明 ChatGPT、Cursor 和 Grok Bot 各自对远程 MCP、OAuth 或 Funnel 的当前版本要求。；未说明 Funnel 暴露时的默认网络限制、速率限制和入侵防护能力。
适合 我已经在使用 Codex 和 Claude Code，不想迁移到新的个人 Agent 或私有仓库；GBrain 是否适合给这两个 Agent 增加共享的长期记忆？
适合读者： 正在使用 Codex 或 Claude Code、希望保留现有 Agent 身份并让记忆跨 Agent 迁移的开发者

适合，因为它明确把记忆层与 Agent 身份解耦，且支持跨 Agent 共享带来源的事实。

  • README 将“Add GBrain to my existing agent”列为推荐方案，明确表示不需要新的个人 Agent 身份或私有仓库。
  • Codex 和 Claude Code 都有专门的连接教程，可通过 MCP 接入并保留原有客户端。
  • 基础能力从无 API 密钥的关键词检索开始，之后才按需增加语义搜索、综合回答和后台富化。
  • 持久偏好和事实可以跨 Agent 共享，但临时任务状态和 Harness 配置应保持本地，因此它更适合长期知识，而不是完整同步两个 Agent 的运行状态。
  • Choose your setup："Add GBrain to my existing agent — recommended"
  • Choose your setup："No new personal-agent identity or private repository is required"
  • README："Durable preferences and facts can be shared across agents; transient task and harness configuration state stay local."
  • 项目洞察：记忆层与 Agent 身份解耦；基础关键词检索无需模型密钥
bun install -g github:garrytan/gbrain#stable   # the gbrain CLI only; no local brain
材料未说明：README 未提供 Codex 与 Claude Code 在同一脑上的具体冲突处理、并发写入策略和版本兼容矩阵。；未说明跨 Agent 共享事实的默认可见性是否需要逐条配置。
视情况 我负责一个 10 至 50 人团队，想让多个 Agent 共享人员、公司和项目知识，同时避免个人记忆和受限来源被其他成员看到；GBrain 是否足够适合企业脑？
适合读者： 正在为 10 至 50 人团队建设共享企业脑、需要区分个人记忆、来源权限和组织可见性的技术负责人

视情况；GBrain 提供企业脑所需的授权模型，但 README 明确限定了远程调用者的保护边界，不能把它当作所有路径都隔离的多租户平台。

  • README 说明经过认证的远程客户端受来源授权、操作授权和可见性过滤约束，适合控制团队成员能读什么、能执行什么。
  • 项目洞察将个人脑与企业脑边界、来源权限和共享知识列为核心问题，并支持 OAuth 或受控远程 MCP。
  • 但本地文件访问和共享数据库凭据属于不同信任边界；拥有这些权限的调用者可能绕过远程来源过滤。
  • README 也没有提供 10 至 50 人团队的容量、多租户隔离或合规认证数据，因此是否落地取决于你能否接受自行承担权限和基础设施安全。
  • README："Authenticated remote clients are constrained by source and operation grants plus visibility filters"
  • README："Local files and shared database credentials are a different trust boundary"
  • README："The authorization tests exercise specific access paths, not a universal no-leak guarantee"
  • 项目洞察：目标用户包括 10 至 50 人规模的小型企业团队
gbrain mcp expose
材料未说明：README 未说明 10 至 50 人规模下的并发访问、租户隔离、审计日志和权限变更传播性能。；未说明是否支持企业现有 IdP、SCIM、细粒度管理员角色或合规框架。
视情况 我希望像 README 中的生产部署一样，持续摄取会议、邮件、推文和语音，并让后台 24/7 富化与合并；GBrain 是否适合这种长期运行的个人知识系统？
适合读者： 想把会议、邮件、语音和社交内容持续摄取到个人知识库，并参考 155,795 个页面与 66 个 cron 任务规模部署的高级 AI 用户

视情况；GBrain 的架构正是为长期后台记忆设计，但 155,795 页和 66 个 cron 是项目作者的生产规模，不是你的容量承诺。

  • README 描述了会议、邮件、推文、语音调用和原创想法的持续摄取，并由后台循环执行富化、引用修正和记忆合并。
  • 项目洞察说明系统可在自有硬件、数据库和密钥上运行，适合把 Agent 变成持续更新的 daemon。
  • README 明确指出 always-on enrichment 需要独立的计算资源和 API 配置；Harness 订阅与模型 API 是不同成本。
  • 还需要自行承担任务调度、失败重试、日志、费用和数据增长问题，README 没有给出通用容量或延迟指标。
  • README："155,795 pages, 24,589 people, 5,340 companies, 66 cron jobs running autonomously"
  • README："My agent ingests meetings, emails, tweets, voice calls, and original ideas"
  • README："always-on enrichment needs its own compute and API configuration"
  • 项目洞察：持续运行的摄取、富化、修正和合并循环
gbrain mcp expose
材料未说明：README 未说明在你的硬件上可支持的页面数、并发任务数、摄取吞吐量和数据库容量。；未说明后台任务失败后的重试策略、幂等保证和费用上限配置。

✨ 核心亮点

  • BrainBench关系检索R@5从0.6626升至0.7241
  • 支持来源、修正与撤回的显式事实记忆
  • gbrain skillopt约20分钟、约1美元API调用
  • README展示155,795页与66个自动化cron任务

🔧 工程化

  • 用显式事实、来源、修正与撤回保存跨Agent记忆
  • `gbrain mcp expose`经Tailscale发布本地Brain
  • `gbrain skillopt`从SKILL.md生成基准并筛选改动

⚠️ 风险

  • 本地文件与共享数据库凭据不隔离调用者
  • 云端embedding、reranking与synthesis提供商会收到文本
  • Markdown导出不是完整数据库备份
  • 持续enrichment需要独立算力与API配置

👥 适合谁？

  • 运行OpenClaw或Hermes并想共享可追溯记忆的开发者
  • 需要OAuth隔离的10-50人公司团队
  • 使用Codex、Claude Code或Grok Bot的Agent用户