Y Combinator总裁兼CEO Garry Tan于2026年4月5日在GitHub Gist上发布了GBrain的完整构建规格（Build Spec），这是他继GStack（64K+ GitHub Stars的Claude Code工作流工具包）之后的第二个开源项目。GBrain定位为"个人知识大脑"——将SQLite、FTS5全文搜索和向量嵌入封装在单个数据库文件中，配合"瘦CLI+胖技能"架构和MCP协议支持，作为GStack编码层的知识层补充。 解决什么问题：Git在7471个文件时崩溃了
GBrain的起因非常具体：Tan的个人知识库已积累到7471个Markdown文件、1222份人物档案、总计2.3GB，Git已经撑不住了。他采用的是Karpathy式"编译真相+时间线"的wiki知识库模式——上半部分是经过整理的当前状态评估，下半部分是只追加不修改的时间线证据。模式本身没问题，但需要一个真正的数据库来承载。
SQLite的选择逻辑清晰：单文件、无服务器、无Docker、无连接字符串。一个brain.db文件可以直接scp、rsync、备份到S3或放在U盘里。个人知识库的规模（数万页而非每秒百万行）完全在SQLite的舒适区内。一个人的大脑，一个写入者，多个读取者。
核心架构：编译真相+时间线，FTS5+向量搜索，瘦CLI+胖技能
数据库schema围绕"编译真相+时间线"模型设计。pages表的compiled_truth列存储经过整理的当前认知（会被重写更新），timeline列存储只追加的证据（不可修改）。page_fts虚拟表通过FTS5（Porter词干分析+unicode61分词器）提供全文搜索。page_embeddings表以Float32 BLOB格式存储向量嵌入，默认使用OpenAI text-embedding-3-small（1536维）。
links表记录页面间的交叉引用并保存链接所在的上下文句子。raw_data表替代了原来的.raw/ JSON sidecar文件，按来源存储结构化数据（Crustdata、Happenstance等API返回）。timeline_entries表提供对时间线条目的结构化访问（按日期、来源查询）。
CLI设计沿用GStack验证过的"瘦CLI+胖技能"模式。CLI本身约500行TypeScript，编译为Bun单文件二进制，只做命令分发。智能全部在SKILL.md文件中——Claude Code在会话启动时读取这些Markdown，获得完整的工作流、启发式规则和边界条件。用户不用Claude Code也能获得一个快速的Unix风格CLI。 五个胖技能覆盖知识管理全流程
skills/ingest/SKILL.md定义了从会议记录、文章、文档到对话的摄入工作流：识别实体→检查页面是否存在→更新或创建→建立交叉引用→解析时间线条目→记录摄入日志。关键设计决策包括：不是所有信息都值得建页（需要通过"Garry是否受益于该页面存在"的门槛）、状态部分被重写而非追加、时间线只追加不修改、每个wiki链接使用相对路径格式。
skills/query/SKILL.md实现三层搜索策略：FTS5关键词搜索（快速精确匹配）、语义向量搜索（基于含义的匹配）、结构化查询（关系导航如"所有W25批次的YC创始人"）。排序权重为FTS5得分×0.4 + 向量相似度×0.6，最近30天更新的页面获得+0.1提升。
skills/maintain/SKILL.md负责周期性维护：检测矛盾（页面A说"X的CEO"但页面B说"2025年离开X"）、发现陈旧信息、清理孤立页面、补充缺失的交叉引用、审计超过30天的待办事项、规范化标签格式、刷新过期的嵌入向量。
skills/enrich/SKILL.md和skills/briefing/SKILL.md分别处理外部数据源富化（Crustdata获取LinkedIn数据、Happenstance搜索职业历史等）和每日简报编译。
MCP原生：任何AI工具都能读写这个大脑
GBrain从第一天就内置MCP（模型上下文协议）服务器，通过stdio传输暴露14个工具（brain_search、brain_query、brain_get、brain_put、brain_ingest等）和2个资源（页面内容、索引）。任何MCP兼容客户端——Claude Code、Wintermute、Cursor、Windsurf——都可以直接搜索、读写、摄入和查询大脑，无需定制集成。
配置只需在~/.claude/mcp.json中添加一行gbrain serve命令即可。 迁移计划：7471个文件的无损往返
从现有Markdown目录到SQLite的迁移分10步完成：扫描目录映射类型→解析YAML frontmatter和正文→分离编译真相与时间线→提取wiki链接→解析时间线条目→加载.raw/ sidecar数据→提取标签→事务性写入SQLite→生成嵌入向量（约22500次API调用，成本约$0.50）→验证页面数和内容哈希匹配。
关键约束：迁移必须无损（每字节内容保留）、可往返（gbrain export重建原始目录结构）、可验证（页面数、内容哈希、链接数全部校验）。
与Obsidian、Notion、RAG框架的区别
GBrain不是笔记应用。它是一个由AI代理维护的编译知识图谱，配有结构化工作流，可被任何MCP客户端查询。Obsidian是Electron应用+本地文件；Notion是SaaS云数据库；RAG框架依赖外部向量存储。GBrain是单个SQLite文件，你完全拥有它。
搜索层面，Obsidian依赖插件，Notion用云搜索，RAG框架只有向量搜索。GBrain将FTS5全文搜索、向量语义搜索和结构化查询（按类型、标签、反向链接）统一在同一个数据库连接中，无需网络跳转或服务协调。
知识模型层面，大多数工具是扁平笔记+链接。GBrain的"编译真相+时间线"模型强制区分"当前评估"和"历史证据"，这直接源自情报分析的方法论。
技术选型与开放问题
运行时选择Bun（与GStack一致），数据库使用Bun内置SQLite（无需better-sqlite3等原生插件），向量搜索v1采用纯JavaScript余弦相似度（零原生依赖，50K chunks查询约200-500ms），未来可选sqlite-vec扩展加速。嵌入模型默认OpenAI text-embedding-3-small但可配置切换。分块策略按##标题边界切分（每块约200-800 tokens）。
规格中列出的预计构建时间为Claude Code约2.5小时，分7个阶段：基础设施（30分钟）→核心命令（30分钟）→搜索（20分钟）→导入导出（30分钟）→时间线与摄入（15分钟）→MCP服务器（20分钟）→收尾（15分钟）。
与GStack的关系和生态定位
GStack是Tan的Claude Code工作流工具包，将Claude Code变成一个虚拟工程团队——CEO重新思考产品、工程经理锁定架构、设计师捕捉AI粗糙输出、审查者发现生产bug、QA打开真实浏览器测试。发布后48小时内GitHub Star超过10000，目前已超64000。Tan使用这套工具平均每周产出10000行代码和100个PR。
GBrain是GStack的知识层补充——GStack处理"如何写代码"，GBrain处理"知道什么"。两者共享相同的架构哲学：瘦CLI、胖技能、Markdown优先、MCP原生。规格中的原话是："Together: intelligence on tap."
AI 速览
