Garry Tan nyilvánosságra hozta GBrain nevű, strukturált tudásrendszerét, amelyet személyes AI-ügynökeinek táplálására használ. A projektet Tan nyilvános forráskódra tette elérhetővé a github.com/garrytan/gbrain címen.
GBrain nem egyszerű jegyzetalkalmazás és nem egy hagyományos RAG (retrieval-augmented generation) csővezeték. A rendszer lényege, hogy lekérdezésenként ne újrateremtse a tudást, hanem előre előállított, karbantartott «összeállított igazságot» (compiled truth) tároljon minden egyes entitásról. Ennek következtében az ügynökök minden lekérdezéskor gazdagabb kontextust kapnak, és a rendszer napról napra egyre többet tud, ahogy beépíti a találkozókat, e-maileket és hívásokat. Garry szerint a rendszert 12 nap alatt építette fel.
Főbb jellemzők
-
MECE tudásszerkezet: az információk jól elkülönített kategóriákba rendeződnek — people (személyek), companies (vállalatok), deals (ügyek/megállapodások), meetings (találkozók), projects (projektek), concepts (fogalmak), originals (eredeti anyagok) és media (média). Minden oldal tetején egy összeállított összefoglaló van, alatta pedig egy csak hozzáfűzött bizonyítéklánc.
-
Önwiringolt gráf: minden oldalírás automatikusan kinyeri az entitáshivatkozásokat és típusos linkeket hoz létre (például attended, works_at, invested_in) LLM-hívások nélkül. Ez lehetővé teszi, hogy olyan kapcsolati kérdéseket is megválaszoljon a rendszer — például "ki dolgozik az Acme AI-nél?" —, amelyekhez a sima vektorkeresés kevés.
-
34 beépített képesség (skills): a jelek detektálásától a tartalmak befogadásáig és kutatási szintézisig. Az intelligencia markdown skill fájlokban él, nem a futtatási környezetben; ez határozza meg, hogy az ügynökök hogyan cselekednek, nem csupán mit jegyeznek meg.
-
Automatikus gazdagítási szintek: ha valakit egyszer említenek, stub (helykitöltő) jön létre. Három említésnél webes gazdagítás indul. Személyes találkozás vagy nyolcnál több említés esetén a teljes kutatási csővezeték aktiválódik. A rendszer önállóan dönt arról, mennyi figyelmet érdemel egy entitás.
Működés és telepítési lehetőségek
GBrain önmagában parancssori (CLI) eszközként futtatható, MCP szerverként használható Claude Code és Cursor ügynökökhöz, vagy egykattintásos telepítéssel elindítható OpenClaw-on vagy Railway-n. A projekt forráskódja és telepítési útmutatója a github.com/garrytan/gbrain repóban érhető el.
Miért számít ez?
A megközelítés arra törekszik, hogy a személyes asszisztensek „magyarázó és állandó” háttértudással rendelkezzenek, amely csökkenti a lekérdezésenkénti újragenerálás költségét és bizonytalanságát. A strukturált, entitásközpontú tárolás és az automatikus gazdagítás lehetővé teszi a folyamatosan növekvő kontextust, amelyből az ügynökök dolgoznak.
Konkrét adatok a pillanatnyi állapotról: a GBrain több mint 17 000 oldalt tartalmaz, több mint 4 000 személyt követ, és 21 autonóm cron-feladatot futtat. A fejlesztés rövid idő alatt, 12 nap alatt valósult meg, és a kód immár nyílt forrásúként elérhető a közösség számára.
Következtetés
GBrain egy strukturált, önkarbantartó tudásbázisnak tekinthető, amelyet személyes AI-ügynökök kiszolgálására terveztek. Az open-source nyilvánosságra hozás lehetővé teheti más fejlesztők és csapatok számára, hogy adaptálják vagy kiterjesszék a megközelítést saját asszisztenseikhez.
