Общее понимание и рабочая рамка: чтобы команда и руководство видели реальные сценарии, риски и следующий шаг без инфо-шума.
GBrain — глава Y Combinator выложил систему памяти для ИИ-агентов, на которой живёт сам
Гарри Тан открыл доступ к GBrain — своей рабочей системе долговременной памяти для ИИ-агентов на базе Postgres, pgvector и markdown-файлов в git. Разбираюсь, почему этот подход работает.
Гарри Тан — президент Y Combinator — выложил в открытый доступ GBrain, свою систему долговременной памяти для ИИ-агентов. И это не очередной концепт из твиттера, а рабочая конфигурация, на которой он сам живёт каждый день.
Что за зверь
GBrain — это система извлечения знаний, построенная на Postgres и pgvector. Она работает поверх git-репозитория с markdown-файлами и превращает его в полноценную базу знаний для агентов OpenClaw и Hermes Agent.
Масштаб впечатляет: 10 000+ markdown-файлов, 3 000+ профилей людей, 13 лет данных из календаря, 5 800 заметок из Apple Notes плюс все записи встреч. По сути, вся профессиональная жизнь человека — в одном месте, доступная агенту по запросу.
Так почему это не «ещё одна обёртка»
Подход Тана интересен именно своей прямолинейностью. Никаких сложных графов знаний или кастомных баз данных. Просто markdown-файлы в git, векторный поиск через pgvector и набор скиллов, которые знают, как с этим работать.
Это очень похоже на то, что я делаю через Notion: структурированные заметки, связи между документами, агенты, которые умеют в этих данных ориентироваться. Разница в том, что Тан пошёл в сторону файловой системы и git, а я — в сторону баз данных и API. Оба подхода рабочие, и каждый выбирает инструмент под свою архитектуру.
Что с этим делать
Если вы уже работаете с OpenClaw или Hermes Agent — GBrain подключается напрямую. MIT-лицензия, полный доступ к коду и схеме. Если нет — это как минимум отличный пример того, как можно организовать долговременную память агента без магии и без подписок.
Репозиторий: github.com/garrytan/gbrain
По теме
- Статья: Карпати перестал кодить и начал «компилировать знания» — разбираю его систему LLM Knowledge Bases
- Блог: Claude Code Channels против OpenClaw: три мессенджера против двадцати
- База знаний: Hermes Agent — самообучающийся AI-агент от Nous Research
Если вы строите собственную систему памяти для агентов и хотите разобраться, какой подход лучше подойдёт под ваши задачи — давайте обсудим.