Tu agente de IA es inteligente pero olvidadizo. Cada nueva sesión comienza desde cero: no recuerdas a quién conociste, qué leíste, qué decidiste el martes pasado. GBrain es una solución de código abierto para eso. Construido por Garry Tan (presidente y director ejecutivo de Y Combinator) para impulsar sus propias implementaciones de OpenClaw y Hermes, es una capa de conocimiento respaldada por Postgres, con descuento primero, que incorpora reuniones, correos electrónicos, tweets y notas, y luego autoconecta un gráfico de conocimiento escrito en la parte superior, sin llamadas de LLM para la extracción del gráfico. El cerebro de producción detrás de los agentes reales de Garry cuenta actualmente con 146.646 páginas, 24.585 personas, 5.339 empresas y 66 trabajos cron autónomos. En su propio punto de referencia (BrainBench, un corpus de prosa rica de 240 páginas), GBrain alcanza P@5 49,1% y R@5 97,9%, una ventaja de +31,4 puntos P@5 sobre la misma base de código con la capa gráfica deshabilitada.
Este es un tutorial práctico. Instalarás GBrain localmente, importarás una pequeña carpeta de notas, ejecutarás una búsqueda real, observarás el cable del gráfico de conocimiento y lo conectarás a Claude Code a través de MCP. Unos 20 minutos de principio a fin. Todas las salidas del terminal a continuación fueron capturadas desde una instalación en vivo de GBrain v0.38.2.0. El repositorio (con licencia MIT) se encuentra en github.com/garrytan/gbrain.
lo que estás construyendo
Al final del tutorial, tendrás:
Una base de datos local ~/.gbrain/brain.pglite: Postgres 17 integrado (a través de WASM) con pgvector, configuración de servidor cero. Un pequeño "repositorio cerebral" de notas de rebajas sobre personas, empresas y conceptos. Una CLI de búsqueda híbrida funcional que combina vector + palabra clave BM25 + Fusión de rango recíproco (RRF), con un reordenador ZeroEntropy en la parte superior de forma predeterminada. Un gráfico de conocimiento escrito (trabaja_en, fundó, invirtió_en, asistió, asesora, menciona) extraído automáticamente de sus notas. Un servidor MCP que expone 74 herramientas para que Claude Code, Cursor y Windsurf puedan leer y escribir en el cerebro directamente.
Requisitos previos
macOS o Linux (usuarios de Windows: utilice WSL2). Un editor de código. Bun ≥ 1.3.10 (el tiempo de ejecución de GBrain se entrega; el paquete.json del repositorio lo declara como el motor mínimo). Lo instalaremos en el Paso 1. Una clave API incorporada de uno de: ZeroEntropy (predeterminado), OpenAI o Voyage. Sin uno, aún puede instalar y ejecutar la búsqueda de palabras clave, pero la consulta gbrain (híbrida + vectorial) no arrojará resultados. Opcional: una clave API Anthropic para la expansión de consultas múltiples durante la búsqueda.
Paso 1: Instale Bun y GBrain
GBrain está escrito en TypeScript y se ejecuta en Bun. Instálalo primero:
Ahora instala GBrain. A partir de la versión 0.38, la ruta de instalación canónica es una única instalación global de Bun:
Paso 2: inicializa tu cerebro
gbrain init –pglite proporciona una base de datos PGLite local en ~/.gbrain/. PGLite es un Postgres completo compilado en WASM: sin servidor, sin Docker, listo en aproximadamente dos segundos.
Para este tutorial, pospondremos el proveedor de inserción para que pueda seguirlo sin una clave API de inmediato; lo conectaremos en el Paso 6 cuando ejecutemos la búsqueda híbrida:
(Si prefiere configurar incrustaciones ahora, configure una de OPENAI_API_KEY, ZEROENTROPY_API_KEY o VOYAGE_API_KEY en su entorno antes de ejecutar gbrain init –pglite.)
Salida real capturada de una instalación nueva (truncada por brevedad; hay 81 migraciones desde el esquema v1 → v85):
Ahora tienes el cerebro vacío. Confirmar:
Paso 3: crea un pequeño repositorio cerebral
El repositorio cerebral es solo un directorio de archivos de rebajas. Cada archivo sigue el patrón de línea de tiempo y verdad compilado de GBrain: una sección actual de mejor comprensión en la parte superior, un rastro de evidencia que solo se puede adjuntar a continuación.
Importante: los wikilinks deben usar la ruta de slug completa (por ejemplo, [[people/alice-chen]], no solo [[alice-chen]]) para que el extractor de gráficos los resuelva. Este es un verdadero problema: probé ambas formas; la forma corta produce silenciosamente cero enlaces.
Crear una página de persona:
Una página de empresa:
Y una página conceptual:
Paso 4: importar el repositorio
gbrain import es idempotente (hash de contenido deduplicado). Pasaremos –no-embed, por lo que este paso es determinista para los lectores que aún no tienen una clave de incrustación configurada; las incrustaciones se completan en el Paso 6. Resultado real:
Confirmar:
Paso 5: conecte el gráfico de conocimiento
Para una importación por primera vez, ejecute el extractor de enlaces explícitamente para rellenar el gráfico desde sus wikilinks. Esto es pura expresión regular + inferencia escrita: cero llamadas LLM.
Salida real:
Se dedujeron dos aristas mecanografiadas de los wikilinks: alice-chen –works_at–> acme-ai (de “Fundador y CEO de…”) y acme-ai –founded–> alice-chen (de “Fundada por…”). La cascada de inferencia se dispara en orden: FUNDADO → INVERTIDO → ACONSEJA → TRABAJA_EN → MENCIONES. No hay ningún modelo en el circuito.
Inspeccione el gráfico directamente:
Ésta es la diferencia entre búsqueda vectorial y recuperación estructurada. "¿Quién trabaja en Acme AI?" ahora es un recorrido de borde escrito de un salto, no una puntuación de similitud. Ese canal estructural es lo que impulsa el aumento P@5 de +31,4 puntos sobre la variante con gráficos deshabilitados en BrainBench.
Paso 6: ejecuta una búsqueda
GBrain incluye dos verbos de búsqueda. La búsqueda de gbrain es solo de palabras clave (BM25 en Postgres tsvector) y funciona sin incrustaciones:
gbrain query es la canalización híbrida completa: vector (HNSW en pgvector) + BM25 + Fusión de rango recíproco + expansión de consultas múltiples opcional (Haiku antrópico) + un reordenador de entropía cero opcional. Necesita incrustaciones, que pospusimos en el Paso 2; conéctelas ahora:
Se envían tres modos de búsqueda listos para usar (conservador, equilibrado, tokenmax) que agrupan los controles de costo/calidad en una clave de configuración. El valor predeterminado está equilibrado con el reranker ZeroEntropy activado. Fórmula RRF: puntuación = suma (1 / (60 + rango)).
Paso 7: Conéctese a Claude Code a través de MCP
El cerebro es más útil cuando un agente de IA puede leerlo y escribirle directamente. GBrain expone 74 herramientas a través del protocolo de contexto modelo a través de stdio. La configuración canónica es un comando (no un archivo JSON editado a mano):
Verifique la instalación:
Ahora pregúntele a Claude Code algo como "busque en el cerebro para optimizar la inferencia" y lo guiará a través de la herramienta de búsqueda y devolverá sus resultados indexados. Los nombres reales de las herramientas MCP son simples Snake_case: get_page, put_page, delete_page, list_pages, search, query, add_link, get_backlinks, add_tag y 65 más.
Cursor y Windsurf utilizan la configuración MCP JSON estándar en sus respectivas UI de configuración. La especificación del servidor es la misma:
Claude Desktop usa claude_desktop_config.json para servidores stdio MCP locales con la misma especificación JSON. Los servidores HTTP MCP remotos deben agregarse a través de Configuración → Integraciones con un token de portador. Consulte docs/mcp/CLAUDE_DESKTOP.md en el repositorio para ver el tutorial de la GUI.
Si desea acceso remoto desde cualquier máquina, cambie stdio por HTTP:
Paso 8: deja que el cerebro funcione solo
GBrain incluye un circuito de piloto automático. A partir de la versión 0.36.4, un comando calcula un plan de remediación ordenado por dependencia, envía cada paso como un trabajo Minion, vuelve a verificar la puntuación de salud del cerebro entre pasos y se niega a gastar más allá de su límite de costos:
O ejecutarlo como un demonio:
Los cerebros sanos duermen durante 60 minutos entre tics. Los que no están en buen estado reciben el ciclo completo de la noche a la mañana: sincronizar, extraer, integrar, consolidar, sintetizar. Se protegen tres fases (síntesis, patrones, consolidación) para que un agente conectado a MCP no pueda quemar créditos API de forma silenciosa.
Para el trabajo en segundo plano ad hoc, la cola de Minions toma los trabajos de shell y los trabajos del subagente LLM uno al lado del otro:
Una advertencia de PGLite: el supervisor de trabajos de gbrain (el demonio trabajador que se reinicia automáticamente) es solo para Postgres. El bloqueo de archivos exclusivo de PGLite bloquea el proceso de trabajo independiente: la CLI lo rechaza con un error claro si config.engine === 'pglite'. Si está en PGLite, siga con los trabajos en línea –follow para el tutorial, o ejecute gbrain migrar –to supabase antes de poner en pie a un trabajador persistente.
Regla de enrutamiento: el trabajo determinista (extraer tweets, analizar JSON, escribir una página) va a Minions; el trabajo de juicio (clasificar una bandeja de entrada, evaluar la prioridad) va a los subagentes de LLM.
Lo que acaba de pasar, en un diagrama
El repositorio de rebajas es el sistema de registro. GBrain es la capa de recuperación + gráfico que se encuentra encima. El agente lee y escribe en ambos, y los humanos siempre pueden abrir cualquier archivo .md y editarlo directamente: gbrain sync se hace cargo del cambio.
Adónde ir a continuación
Captura de una línea (nuevo en v0.38): la captura de gbrain "el pensamiento que quiero recordar" llega directamente a la bandeja de entrada/AAAA-MM-DD-. También acepta la ingesta de –file, –stdin y webhook a través de gbrain save –http /ingest. Migre a Supabase cuando su cerebro supere el nivel local (PGLite es bueno hasta ~50 000 páginas): gbrain migra a supabase. Ingiera datos reales con una de las recetas: voz (Twilio + OpenAI Realtime), correo electrónico + calendario, 16 proveedores de integración, puerta de enlace de credenciales. Ejecute los puntos de referencia en el repositorio hermano gbrain-evals: BrainBench (sintético) y gbrain eval longmemeval (el punto de referencia público LongMemEval). Crea tus propias habilidades. Una habilidad es un archivo de rebajas grueso que codifica un flujo de trabajo: activadores, controles, puerta de calidad. gbrain check-resolvable valida el árbol de habilidades para accesibilidad/MECE/DRY.
La apuesta más profunda detrás de GBrain es que las habilidades gordas y con arnés delgado superan a las habilidades gordas detrás de un agente gordo. El tiempo de ejecución sigue siendo pequeño; la inteligencia reside en archivos de rebajas que el agente lee en el momento de tomar una decisión. Cada confirmación que realiza en su repositorio cerebral es un contexto permanente que su agente hereda la próxima vez que se despierte. Cuanto más lo ejecutas, más inteligente se vuelve.
Explicador visual de Marktechpost
Conclusiones clave
GBrain (v0.38.2.0) brinda a los agentes de IA una capa de memoria persistente y con rebajas, construida por Garry Tan para impulsar sus propias implementaciones de OpenClaw/Hermes con 146,646 páginas y 24,585 personas. La instalación se ejecuta localmente en aproximadamente 30 minutos en PGLite (Postgres 17 compilado en WASM, servidor cero) y escala a Supabase o Postgres autohospedado cuando sea necesario. Cada wikilink se analiza mediante una cascada de inferencia de expresiones regulares (FOUNDED → INVESTED → ADVISES → WORKS_AT) que escribe bordes de gráficos escritos con cero llamadas LLM. La búsqueda híbrida (vector + BM25 + RRF + reordenador ZeroEntropy) alcanza P@5 49,1% / R@5 97,9% en BrainBench: un aumento de +31,4 puntos de P@5 sobre la variante con gráfico deshabilitado. Expone 74 herramientas a través de MCP: conéctelo a Claude Code con un solo claude mcp add gbrain – gbrainserve y su agente podrá leer/escribir el cerebro directamente.
Consulte el repositorio de GitHub y los códigos de implementación. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 150.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
¿Necesita asociarse con nosotros para promocionar su repositorio de GitHub O su página principal de Hugging O su lanzamiento de producto O seminario web, etc.? Conéctate con nosotros