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。

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

1. 信息到来（会议/邮件/推文/链接）
2. 实体检测（人/公司/原创想法）
3. READ：先查大脑（gbrain search / get / query）
4. 带上下文回应
5. WRITE：更新大脑页面（编译新信息、追加 Timeline、交叉引用）
6. Sync：gbrain 索引变更
7. 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。