GBrain ist ein persönliches KI-Speichersystem auf Produktionsebene, das von Y Combinator-Präsident Garry Tan als Open-Source-Lösung bereitgestellt wird. Es bietet KI-Agenten Langzeitgedächtnis, Wissensgraph-Selbstverbindung, Hybridsuche und automatisierte Anreicherungsfunktionen. MIT-Lizenz, unterstützt drei Nutzungsmethoden: automatische Installation von CLI/MCP-Server/Agent.

GBrain

Kernparameter und Statistiken

Projekt	Einzelheiten
Produktname	GBrain
Produkttyp	KI-Agent-Langzeitgedächtnissystem
Lieferform	CLI/MCP-Server/Agent-Skill
Open-Source-Lizenz	MIT
Aktuelle Version	v0.42.62.0
Warehouse-Sprache	TypeScript (97,2 %)
GitHub-Sterne	26,6k
GitHub Forks	3,8k
Mitwirkende	106
Entwicklungsautor	Garry Tan (Präsident und CEO von Y Combinator)
Unterstützte Plattformen	CLI (macOS/Linux/Windows), MCP (stdio/HTTP), Agentenintegration

GBrain ist kein SaaS-Tool im herkömmlichen Sinne, sondern ein Open-Source-Memory-Layer-System für KI-Agenten. Es wandelt verstreute Markdown-Notizen in ein Wissensgehirn um, das von Hybriden durchsucht, von Inferenzgraphen durchquert und kontinuierlich automatisch angereichert werden kann, wodurch der Kernwiderspruch „Agent verliert sein Gedächtnis nach Abschluss der Aufgabe“ gelöst wird.

Benutzer- und Markterkennung

GBrain wurde persönlich von Y Combinator-Präsident Garry Tan entwickelt und in seiner persönlichen Produktionsumgebung (OpenClaw / Hermes Agent-Bereitstellung) verwendet. Es verfügt über einen realen Verifizierungsdatenumfang von 146.646 Seiten, 24.585 Personen, 5.339 Unternehmen, 66 geplante Aufgaben. Seit Juli 2026 hat GitHub 26,6.000 Sterne, 3,8.000 Forks und 106 Community-Mitwirkende erhalten.

Im Bereich der Agentenspeichersysteme ist GBrain die einzige bekannte Lösung auf Produktionsebene, die durch den täglichen tatsächlichen Kampf des YC-Präsidenten verifiziert wurde. Seine Suchgenauigkeit (P@5 49,1 %, R@5 97,9 %) ist +31,4 Prozentpunkte höher als die der reinen Vektor-RAG. Es gibt ein öffentlich reproduzierbares Evaluierungs-Benchmark-Warehouse (gbrain-evals).

Kostenvorteil

Kostendimension	Beschreibung
Die Software selbst	MIT Open Source, völlig kostenlos, keine kommerziellen Nutzungsbeschränkungen
Lokal ausführen	PGLite (eingebettetes Postgres WASM) läuft lokal ohne Konfiguration und ohne Servicekosten
Modell einbetten	Standardmäßiges kostenloses ZeroEntropy-Kontingent, optional 16 Einbettungsanbieter wie OpenAI / Voyage / Ollama
Cloud-Synchronisierung	Supabase Postgres (ab 25 $/Monat) für die Synchronisierung mehrerer Geräte oder die Teambereitstellung
API-Schlüssel	OpenAI (eingebettet), Anthropic (optionaler Subagent), Groq (Sprachtranskription) usw. müssen konfiguriert werden.
Rechenaufwand	Deterministische Hintergrundwarteschlange (Minions) ohne Token-Kosten, Urteilsarbeit ruft LLM bei Bedarf auf

Die freie Wahrheit: Die Software selbst ist kostenlos, erfordert jedoch zum Ausführen einen eigenen API-Schlüssel. Bei der Standardeinbettung wird ZeroEntropy verwendet (kostenlose Credits inbegriffen). Für die Bereitstellung in großem Maßstab in der Produktion ist ein Supabase-Abonnement oder selbst gehostetes Postgres erforderlich. Im Gegensatz zu SaaS-Tools ist die Kostenstruktur von GBrain „kostenlose Open-Source-Software + nutzungsbasierte Infrastrukturnutzung“.

Hauptfunktionen

• Hybridsuche: Vektor (pgvector HNSW) + BM25-Schlüsselwörter + Reciprocal Ranked Fusion (RRF) + Gewichtung auf Quellenebene + Absichtsbewusstes Umschreiben von Abfragen. Drei Suchmodi (konservativ/ausgewogen/Tokenmax) schalten Kosten/Qualität mit einem Klick um. Recall@5 erreicht 95 %.
• Knowledge-Graph-Selbstverbindung: Nachdem jede Seite geschrieben wurde, extrahiert die deterministische reguläre Pipeline automatisch Entitätsreferenzen (Markdown-Links + bloße Slugs), leitet typisierte Beziehungen ab (attended/works_at/invested_in/founded/advises) und führt die Deduplizierung, die Bereinigung ungültiger Links und die Aktualisierung von Reverse-Links ohne LLM-Aufrufe durch.
• Zweischichtiges Wissensmodell „Kompilierte Wahrheit + Zeitleiste“: Jede Markdown-Seite ist durch „---“ in die obere Schicht „Kompilierte Wahrheit“ (aktuell bestes Verständnis, kontinuierlich mit neuen Beweisen neu geschrieben) und die untere Schicht „Zeitleiste“ (die ursprüngliche Beweiskette, die nur angehängt, aber nicht gelöscht wird) getrennt, sodass sich die Erkenntnis weiterentwickeln kann und gleichzeitig ein vollständiger Prüfpfad erhalten bleibt.
• Minions-Hintergrundwarteschlange: Native Postgres-Jobwarteschlange, die deterministische Arbeit von wertender Arbeit trennt. Deterministische Aufgaben werden in durchschnittlich 753 ms erledigt, ohne Token-Kosten und mit einer Erfolgsquote von 100 %; Beurteilungsaufgaben werden asynchron durch Unteragenten ausgeführt.
• 43 integrierte Fähigkeiten: Abdeckung von Signalerfassung, Aufnahme von Inhalten aus mehreren Quellen (Besprechung/E-Mail/Twitter/PDF/Video/GitHub), automatische Entitätsanreicherung, tägliche Briefings, Sprachanrufe (Twilio + OpenAI Realtime), Überprüfung der Wissenskonsistenz, Referenzreparatur usw.
• MCP-Serverzugriff: Stellen Sie mehr als 30 MCP-Tools über „gbrain servo“ bereit und können Sie auf gängige MCP-Clients wie Claude Code / Cursor / Windsurf / Claude Desktop / Cowork / Perplexity / ChatGPT zugreifen.

Modell- und Versionsentwicklung

GBrain verwendet die vierteilige Versionsnummer „MAJOR.MINOR.PATCH.MICRO“ und die aktuelle Version ist v0.42.62.0. Kontext der Kernversion:

Version	Zeit	Änderungen
v0.1.0	~2026-04	Erste Version, Postgres native Wissenshirn-Infrastruktur
v0.3.0	~2026-04	Contract-First-Architektur + ClawHub-Plug-in-System
v0.10.3	~2026-05	Die Selbstverbindungsfunktion des Wissensgraphen ist online
v0.12.0	~2026-05	Zero LLM nennt Knowledge Graph Selbstverbindung + Hybridsuche
v0.35.1.0	~2026-05	Evaluierungsbasisversion
v0.40.7.0	~2026-06	Selbstentwickelnde Schemafunktionen des Agenten
v0.41.22	~2026-06	gbrain-base-v2 15 Taxonomie der Typspezifikation
v0.42.62.0	~2026-07	Synchrone Filterung, Korrekturen der Abhängigkeitssicherheit, Suchoptimierung

Ein detailliertes Versionsprotokoll finden Sie im Warehouse CHANGELOG.md.

Technische Vorteile

Dreischichtige Trennungsarchitektur: GBrain übernimmt die Trennungsarchitektur von Brain Repo (Git-gehostete Markdown-Datei, die einzige Datenquelle, die für Menschen lesbar und bearbeitbar ist) → GBrain-Abrufschicht (Postgres + pgvector-Hybridsuchmaschine) → AI Agent (43 Fähigkeiten definieren Lese- und Schreiblogik). Der Agent liest und schreibt über die BrainEngine-Schnittstelle, und die zugrunde liegende Schicht unterstützt die bidirektionale Live-Migration von PGLite (eingebettetes Postgres, Nullkonfiguration) und PostgresEngine (Supabase).

Warum die Suche schneller und genauer ist: Vektor (HNSW auf pgvector) + BM25-Schlüsselwörter + RRF-Fusion + Gewichtung auf Quellenebene + absichtsbewusstes Umschreiben von Abfragen, überlagerter ZeroEntropy-Reranker. An jede Suche können auch Diagrammsignale angehängt werden – Adjazenz-Boosting, wenn ein Ergebnis ein „Hub-Knoten“ für die Abfrage ist, Cross-Source-Boosting für teamübergreifende Brain-Ergebnisse und Entgewichtung von zu vielen Blöcken geringer Qualität in derselben Sitzung. „gbrain search --explain“ kann die Punktedetails jeder Stufe anzeigen.

Deterministische Kostenkontrolle: Trennen Sie deterministische Arbeit (regelmäßige Extraktion, Linkauflösung, Deduplizierung) von LLM-Beurteilungsarbeit durch Minions. Deterministische Aufgaben nutzen die native Postgres-Warteschlange, ohne Token-Kosten und mit 100 % Erfolg; Nur Aufgaben wie Anreicherung und Synthese, die Argumentation erfordern, rufen LLM auf, um die Zahlung von Argumentationsgebühren für strukturierte Operationen zu vermeiden.

Compiled Truth + Timeline Cognitive Evolution: Im Gegensatz zur reinen Abdeckungsaktualisierung (Verlust der Historie) oder zum reinen Anhängen (Abfragerauschen) gewährleistet das zweischichtige Modell sowohl das neueste als auch das beste Verständnis und eine vollständige überprüfbare Beweiskette. Der Agent kann bei seiner Antwort sowohl Schlussfolgerungen als auch Beweisquellen anführen.

Wie man es benutzt

Eingang	Beschreibung
Automatische Installation des Agenten (empfohlen)	Fügen Sie die Installationsanweisungen in OpenClaw / Hermes Agent ein und schließen Sie die vollautomatische Bereitstellung in 30 Minuten ab
CLI-Standalone-Nutzung	bun install -g github:garrytan/gbrain → gbrain init --pglite → gbrain import ~/notes/ → gbrain query „..."
MCP-Server	Stellen Sie mehr als 30 MCP-Tools lokal über „gbrain servo“ bereit und greifen Sie auf Claude Code/Cursor/Windsurf zu; Stellen Sie Supabase remote bereit und greifen Sie über ngrok	auf Claude Desktop zu
Claude Code / Codex-Schnellzugriff	gbrain init --pglite + claude mcp add gbrain --gbrain servo

Typischer Prozess:

1. Fügen Sie die Installationsanweisungen in den Agenten ein oder installieren Sie GBrain über die CLI
2. „gbrain init --pglite“ initialisiert das lokale Gehirn in 2 Sekunden
3. gbrain import ~/notes/ Markdown-Notizen importieren
4. Der Agent identifiziert und lädt automatisch 43 Fähigkeiten und konfiguriert geplante Aufgaben
5. Verwenden Sie „gbrain query „…“ oder fragen Sie über den MCP-Client ab

Produktpreise

Stufe	Gebühren	Beschreibung
Open-Source-Software	Kostenlos	MIT-Lizenz, verfügbar für kommerzielle Nutzung, Änderung und Weiterverbreitung
Läuft lokal	Kostenlos	PGLite läuft lokal ohne Konfiguration, kein Server oder Docker erforderlich
Modell einbetten	Bezahlen per API-Schlüssel	Standardmäßig ZeroEntropy (mit kostenlosem Kontingent), 16 optionale Einbettungsanbieter
Cloud-Synchronisierung	Ab 25 $/Monat	Supabase Postgres-Abonnement für die Synchronisierung mehrerer Geräte oder die Teambereitstellung
API-Schlüsselanforderungen	Bringen Sie Ihr eigenes	mit Erfordert OpenAI (eingebettet), Anthropic (optionaler Subagent), Groq (Sprachtranskription) usw.

GBrain ist ein Open-Source-Projekt ohne SaaS-Abonnementgebühren. Die Kosten für eine Produktionsbereitstellung bestehen hauptsächlich aus Gebühren für eingebettete API-Aufrufe und optionalen Gebühren für das Cloud-Datenbank-Hosting. Im Vergleich zu kommerziellen Produkten mit derselben Funktion (z. B. einem Abonnement für eine persönliche Wissensdatenbank + API-Anrufgebühr, für die 20 bis 50 US-Dollar pro Monat erforderlich sind) fallen für GBrain auf Softwareebene keine Kosten an, und die Infrastruktur wird entsprechend der tatsächlichen Nutzung bezahlt.

Anwendungsszenarien

• Investor/Gründer-Beziehungsmanagement: Archivieren Sie Meetings, E-Mails und soziale Updates automatisch und generieren Sie 30 Sekunden vor dem Meeting das vollständige Profil und die historischen Interaktionen der anderen Partei. Garry Tan selbst nutzt über 3000 Verbindungen, um sein YC-Portfolio zu verwalten.
• Persönliche Wissensdatenbank: Konvertieren Sie jahrelange Notizen, Artikel und Ideen in ein ableitbares Wissensdiagramm, das Abfragen wie „Meine Ansichten zu etwas vor einem halben Jahr“ unterstützt. Verwalten Sie über 10.000 Dateigrößen.
• Forschungsautomatisierung: Extrahieren Sie automatisch Entitäten, stellen Sie Referenzen her und generieren Sie Zeitpläne nach der Aufnahme von Artikeln, Berichten und Videos, um die akademische oder industrielle Forschung zu unterstützen.
• Unterstützung bei der Inhaltserstellung: Verfolgen Sie die Inspirationsquelle, vervollständigen Sie automatisch Referenzen, wahren Sie die Konsistenz von Themen-Tags und verhindern Sie den Verlust von Informationen während des Erstellungsprozesses.
• Team Shared Memory: Unterstützt die Mehrbenutzerbereitstellung mit OAuth-Bereichsisolation. Jedes Teammitglied kann nur die Seiten sehen, für die es eine Berechtigung hat, ohne dass Daten verloren gehen. „Company Brain“-Szenario geeignet für Teams von 10-50 Personen.
• Intelligenter Zeitplan und Aufgaben: Bereiten Sie jeden Tag automatisch Besprechungsbesprechungen vor, überprüfen Sie abgelaufene Seiten, reparieren Sie beschädigte Referenzen und erstellen Sie regelmäßige Berichte.

Anwendbare Personen

• AI-Agent-Benutzer: Benutzer, die bereits AI-Agenten wie OpenClaw, Hermes, Claude Code, Codex usw. ausgeführt haben und benötigen, dass der Agent über ein Langzeitgedächtnis verfügt. Dies ist die Kernzielgruppe von GBrain.
• starke Benutzer des persönlichen Wissensmanagements: Einzelne Benutzer, die umfangreiche Markdown-Notizen (Obsidian usw.) haben und diese in durchsuchbare und sinnvolle Wissensdiagramme umwandeln möchten, anstatt nur nach Dateien zu suchen.
• VC/Investor: Investmentinstitute, die eine große Anzahl von Kontakten, Transaktionen und Besprechungsaufzeichnungen verwalten müssen und möchten, dass der Agent automatisch bei der Vorbereitung vor der Besprechung und der Nachverfolgung der Investition hilft.
• Entwickler und Open-Source-Enthusiasten: Technische Benutzer, die Selbsthosting, Selbstbereitstellung und Open-Source-Lösungen bevorzugen und bereit sind, API-Schlüssel und Infrastruktur selbst zu konfigurieren.

Nicht für die Masse geeignet: – Benutzer, die API-Schlüssel oder Infrastruktur nicht selbst verwalten möchten – dies ist kein sofort einsatzbereites SaaS und muss die LLM-API und die Datenbank selbst konfigurieren.

• Benutzer, die nur eine einfache Notizensuche benötigen - Die Lernkurve und die Komplexität der Bereitstellung von GBrain sind für Benutzer mit nur grundlegenden Anforderungen an die Notizenabfrage zu hoch. – Benutzer, die extreme Anforderungen an den Datenschutz haben, aber nicht selbst hosten möchten – obwohl die lokale Ausführung (PGLite) unterstützt wird, erfordert die Synchronisierung mehrerer Geräte eine Cloud-Datenbank.
• Szenarien mit hauptsächlich nicht-englischen Inhalten, die eine detaillierte chinesische Wortsegmentierung erfordern. - Das FTS von GBrain verwendet standardmäßig den englischen Wortstamm und die chinesische Unterstützung erfordert zusätzliche Konfiguration (z. B. Erweiterung der Jieba-Wortsegmentierung).

Zusammenfassung und Ausblick

Der Kern der Wettbewerbsfähigkeit von GBrain besteht darin, dass es sich nicht um eine weitere Notizanwendung oder Vektordatenbank handelt, sondern um eine Speicherschicht, die wirklich für KI-Agenten entwickelt wurde: Hybridsuche + Wissensgraph-Selbstverbindung + deterministische Hintergrundwarteschlange + 43 skalierbare Fähigkeiten, die es dem Agenten ermöglichen, sich von „bei jedem Gespräch ganz neu anzufangen“ zu „mit einem ständig wachsenden Wissenshirn“ zu entwickeln. Der YC-Präsidentenstatus seines Autors Garry Tan und 140.000 Seiten realer Verifizierungen verleihen dem Produkt eine äußerst hohe Glaubwürdigkeit. Das Open-Source-MIT-Protokoll beseitigt auch Bedenken hinsichtlich der kommerziellen Akzeptanz.

Zu den aktuellen Einschränkungen gehören: Die CLI-basierte Nutzungsmethode hat eine hohe Schwelle für technisch nicht versierte Benutzer; die Orchestrierungsmethode von Community-Beiträgen (PR-Stapelverarbeitung statt Echtzeit-Zusammenführung) kann zu Verzögerungen bei der Implementierung einiger Korrekturen führen; Die Iterationsgeschwindigkeit des Projekts ist extrem hoch (sie hat Version 0.42+ erreicht) und eine gewisse Funktionsstabilität befindet sich noch in der Phase der schnellen Entwicklung.

Beschaffungs-/Einführungsrisikobewertung: Als Open-Source-Projekt bietet GBrain keine kommerzielle SLA-Unterstützung und kritische Produktionsbereitstellungen müssen auf Community- oder interne Wartungsfunktionen angewiesen sein. Die Gebühren für API-Schlüssel steigen linear mit der Nutzung. Es wird empfohlen, das standardmäßige kostenlose ZeroEntropy-Kontingent zu verwenden, um die Auswirkung vor einer groß angelegten Bereitstellung zu überprüfen. Das Projekt weist derzeit ein hohes Einzelpunktrisiko auf – der Hauptbetreuer ist nur Garry Tan (obwohl es 106 Mitwirkende gibt, sind die meisten von ihnen Community-PRs). Es wird empfohlen, einen Fork durchzuführen, um kritische Versionen zu sichern und auf Änderungen in der Projekt-Governance-Struktur zu achten.

Verwandte Tools: CrewAI, langchain

Versionsinfo

• v0.42.62.0 ：Unterstützt die synchrone Filterung --src-subpath + --exclude, behebt mehrere Abhängigkeitsschwachstellen und Suchoptimierung. （~2026-07）
• eval-run-v0.35.1.0-baseline ：Evaluierungs-Baseline-Version, die zum Abrufen von Qualitätsevaluierungs-Baselines verwendet wird. （~2026-05）