折腾一周 AI 记忆，我发现两款超级牛的 AI 知识库
最近在做一个智能体，说实话看到 OpenClaw 的记忆不好可能会去吐槽，但是自己实战后才发现他的记忆已经做的很不错了。今天我看到了 GBrain 的架构让 AI 既能"快速回忆当前认知"，又能"深度追溯历史证据"——召回时分层，检索时混合，更新时追加，全程可追溯。
一句话定位
Garry Tan 的「第二大脑」——专为 AI Agent 设计的 Memex 系统，让知识实现复利增长。
核心数据（Garry 本人的生产环境）
作者本人因为有太多的个人数据用 AI 存储，所有自己做了一套 AI 知识库结构。
| 指标 | 规模 |
| Markdown 文件 | 10,000+ |
| 人物档案 | 3,000+（含关系图谱） |
| 日历数据 | 13 年（21,000+ 事件） |
| Apple Notes | 5,800+（2009 年至今） |
| 会议转录 | 280+（含 AI 分析） |
| 原创想法 | 300+（按论题组织） |
核心架构：Compiled Truth + Timeline
每页 Markdown 采用双区结构：
# 人物/公司/会议名称
## Compiled Truth（顶部·当前最佳理解）
- 随时重写，反映最新认知
关键设计：证据链 append-only，Compiled Truth 可重写——既保证可追溯，又支持认知迭代。
Brain-Agent 核心循环
- 信息到来（会议/邮件/推文/链接）
- 实体检测（人/公司/原创想法）
- READ：先查大脑（gbrain search / get / query）
- 带上下文回应
- WRITE：更新大脑页面（编译新信息、追加 Timeline、交叉引用）
- Sync：gbrain 索引变更
- 下次信号到来时，Agent 已更聪明
Dream Cycle（夜间自动维护）
Garry 描述了夜间自动维护机制，确保知识库保持最新状态。
小结
这套 AI 知识库架构的核心价值在于：
- 分层召回：快速回忆当前认知 + 深度追溯历史证据
- 混合检索：结合多种检索策略
- 追加更新：证据链 append-only，保证可追溯性
- 全程可追溯：所有认知迭代都有据可查
对于想要构建个人 AI 知识库或智能体记忆系统的朋友，这套架构值得参考。
声明：本站原创文章文字版权归本站所有，转载务必注明作者和出处；本站转载文章仅仅代表原作者观点，不代表本站立场，图文版权归原作者所有。如有侵权，请联系我们删除。
未经允许不得转载：AI 知识库架构实战：Garry Tan 的「第二大脑」系统设计详解
