你的 AI Agent 表现很聪明，但往往“记性”不佳。由于缺乏长期记忆，每个新会话都得从零开始。YC 总裁兼 CEO Garry Tan 开源了 GBrain，这是一个专为解决该问题设计的知识存储层。它最初是为支持 Garry 自己的 OpenClaw 和 Hermes 项目而开发的，采用了 Markdown 优先、Postgres 后端的架构，能自动将会议记录、邮件、推文和笔记织成一个类型化的知识图谱，且提取过程无需调用昂贵的 LLM。
目前，驱动 Garry 个人 Agent 的生产环境 GBrain 已经托管了超过 14.6 万页内容、2.4 万个人物实体和 5000 余家公司。在 BrainBench 基准测试中，GBrain 的 P@5 达到了 49.1%，R@5 达到了 97.9%，比禁用图谱层的代码库在精准度上提升了 31.4 个百分点。
通过本教程，你将在本地安装 GBrain v0.38.2.0，导入笔记，运行混合搜索，并利用 MCP（Model Context Protocol）将其连接到 Claude Code 或 Cursor。整个过程大约需要 20 分钟。
你将构建的核心组件包括：一个基于 PGLite (WASM 版本的 Postgres 17) 的本地数据库，支持 pgvector 且无需服务器配置；一套混合搜索 CLI，结合了向量、BM25 关键词和 RRF（互惠排名融合）算法；以及一个暴露 74 个工具的 MCP 服务器，允许 AI 编辑器直接读写你的知识库。
在开始之前，请确保你的系统为 macOS 或 Linux（Windows 用户请使用 WSL2），并安装了 Bun (≥ 1.3.10)。此外，你需要 ZeroEntropy、OpenAI 或 Voyage 的 Embedding API 密钥，以及用于查询扩展的 Anthropic 密钥。
第一步是安装 Bun 和 GBrain。GBrain 使用 TypeScript 编写，运行在 Bun 环境下。执行以下命令：
curl -fsSL https://bun.sh/install | bash
bun install -g github:garrytan/gbrain
第二步是初始化你的“大脑”。运行 gbrain init --pglite 将在本地目录生成一个 PGLite 数据库，该数据库是编译为 WASM 的完整 Postgres，无需 Docker 即可在数秒内就绪。
