GBrain est un système de mémoire d'IA personnel de niveau production open source par le président de Y Combinator, Garry Tan. Il fournit aux agents IA une mémoire à long terme, une auto-connexion des graphiques de connaissances, une recherche hybride et des capacités d'enrichissement automatisé. Licence MIT, prend en charge trois méthodes d'utilisation : installation automatique CLI / MCP Server / Agent.

GBrain

Paramètres et statistiques de base

Projet	Détails
Nom du produit	GBrain
Type de produit	Système de mémoire à long terme de l'agent IA
Formulaire de livraison	Compétence CLI / MCP Serveur / Agent
Licence Open Source	MIT
Version actuelle	v0.42.62.0
Langue de l'entrepôt	Tapuscrit (97,2%)
Étoiles GitHub	26,6k
Fourches GitHub	3,8k
Contributeurs	106
Auteur du développement	Garry Tan (président et chef de la direction de Y Combinator)
Plateformes prises en charge	CLI (macOS/Linux/Windows), MCP (stdio/HTTP), Intégration d'agent

GBrain n'est pas un outil SaaS au sens traditionnel, mais un système de couche mémoire open source pour les agents IA. Il transforme les notes Markdown dispersées en un cerveau de connaissances qui peut être recherché par des hybrides, parcouru par des graphiques d'inférence et enrichi automatiquement en continu, résolvant ainsi la contradiction fondamentale de « L'agent perd la mémoire après avoir terminé la tâche ».

Reconnaissance des utilisateurs et du marché

GBrain a été personnellement développé par Garry Tan, président de Y Combinator, et utilisé dans son environnement de production personnel (déploiement OpenClaw / Hermes Agent). Il a une échelle de données de vérification réelle de 146 646 pages, 24 585 personnes, 5 339 entreprises, 66 tâches planifiées. En juillet 2026, GitHub avait reçu 26,6 000 étoiles, 3,8 000 Forks et 106 contributeurs communautaires.

Dans le domaine des systèmes de mémoire d'agent, GBrain est la seule solution connue au niveau de la production qui a été vérifiée par le combat réel quotidien du président de YC. Sa précision de recherche (P@5 49,1 %, R@5 97,9 %) est supérieure de +31,4 points de pourcentage à celle du RAG vectoriel pur. Il existe un entrepôt public de référence d'évaluation reproductible (gbrain-evals).

Avantage de coût

Dimension du coût	Descriptif
Le logiciel lui-même	MIT open source, entièrement gratuit, aucune restriction d'utilisation commerciale
Exécuter localement	PGLite (Postgres WASM intégré) s'exécute localement sans configuration et sans coût de service
Modèle intégré	Quota gratuit ZeroEntropy par défaut, 16 fournisseurs d'intégration en option tels que OpenAI / Voyage / Ollama
Synchronisation cloud	Supabase Postgres (à partir de 25 $/mois) pour la synchronisation multi-appareils ou le déploiement en équipe
Clé API	Besoin de configurer OpenAI (embarqué), Anthropic (sous-agent facultatif), Groq (transcription vocale), etc.
Coût de calcul	File d'attente d'arrière-plan déterministe (Minions) avec un coût de jeton nul, un travail de jugement appelle LLM à la demande

La vérité gratuite : le logiciel lui-même est gratuit, mais il nécessite sa propre clé API pour fonctionner. L'intégration par défaut utilise ZeroEntropy (crédits gratuits inclus), le déploiement en production à grande échelle nécessite un abonnement Supabase ou Postgres auto-hébergé. Contrairement aux outils SaaS, la structure de coûts de GBrain est « logiciel open source gratuit + infrastructure payante ».

Fonctions principales

• Recherche hybride : vecteur (pgvector HNSW) + mots-clés BM25 + fusion classée réciproque (RRF) + pondération au niveau de la source + réécriture de requêtes tenant compte de l'intention. Trois modes de recherche (conservateur/équilibré/tokenmax) permettent de basculer coût/qualité en un seul clic. Le rappel@5 atteint 95 %.
• Auto-connexion du graphe de connaissances : après l'écriture de chaque page, le pipeline régulier déterministe extrait automatiquement les références d'entité (liens Markdown + slugs nus), déduit les relations typées (attended / works_at / invest_in / found / conseille) et termine la déduplication, le nettoyage des liens invalides et la mise à jour inverse des liens avec zéro appel LLM.
• Modèle de connaissances à double couche Compiled Truth + Timeline : chaque page Markdown est séparée par --- dans la couche supérieure Compiled Truth (meilleure compréhension actuelle, continuellement réécrite avec de nouvelles preuves) et la couche inférieure Timeline (la chaîne de preuves originale qui est uniquement ajoutée mais non supprimée), permettant à la cognition d'évoluer tout en conservant une piste d'audit complète.
• File d'attente en arrière-plan des Minions : file d'attente de tâches native de Postgres, qui sépare le travail déterministe du travail de jugement. Les tâches déterministes sont réalisées en moyenne en 753 ms, avec un coût de jeton nul et un taux de réussite de 100 % ; les tâches de jugement sont exécutées de manière asynchrone via des sous-agents.
• 43 Skills intégrées : couvrant la capture de signal, l'ingestion de contenu multi-sources (réunion/email/Twitter/PDF/vidéo/GitHub), l'enrichissement automatique des entités, les briefings quotidiens, les appels vocaux (Twilio + OpenAI Realtime), l'inspection de cohérence des connaissances, la réparation des références, etc.
• Accès au serveur MCP : exposez plus de 30 outils MCP via gbrain serve et pouvez accéder aux clients MCP grand public tels que Claude Code / Cursor / Windsurf / Claude Desktop / Cowork / Perplexity / ChatGPT.

Evolution du modèle et de la version

GBrain utilise le numéro de version à quatre segments « MAJOR.MINOR.PATCH.MICRO » et la version actuelle est la v0.42.62.0. Contexte de la version principale :

Version	Temps	Changements
v0.1.0	~2026-04	Version initiale, infrastructure cérébrale de connaissances natives Postgres
v0.3.0	~2026-04	Architecture contractuelle d'abord + système de plug-in ClawHub
v0.10.3	~2026-05	La fonction d'auto-connexion du graphe de connaissances est en ligne
v0.12.0	~2026-05	Zero LLM appelle l'auto-connexion du graphe de connaissances + la recherche hybride
v0.35.1.0	~2026-05	Version de référence d'évaluation
v0.40.7.0	~2026-06	Capacités de schéma à évolution automatique de l'agent
v0.41.22	~2026-06	gbrain-base-v2 15 taxonomie de spécification de type
v0.42.62.0	~2026-07	Filtrage synchrone, correctifs de sécurité des dépendances, optimisation de la recherche

Pour un journal de version détaillé, consultez l'entrepôt CHANGELOG.md.

Avantages techniques

Architecture de séparation à trois couches : GBrain adopte l'architecture de séparation de Brain Repo (fichier Markdown hébergé par Git, la seule source de données lisible et modifiable par l'homme) → Couche de récupération GBrain (moteur de recherche hybride Postgres + pgvector) → Agent AI (43 compétences définissent la logique de lecture et d'écriture). L'agent lit et écrit via l'interface BrainEngine, et la couche sous-jacente prend en charge la migration bidirectionnelle en direct de PGLite (Postgres intégré, configuration zéro) et PostgresEngine (Supabase).

Pourquoi la recherche est plus rapide et plus précise : Vecteur (HNSW sur pgvector) + mots-clés BM25 + fusion RRF + pondération au niveau source + réécriture de requêtes consciente de l'intention, reclassement ZeroEntropy superposé. Chaque recherche peut également être complétée par des signaux graphiques : amélioration de la contiguïté si un résultat est un "nœud central" pour la requête, amélioration inter-sources pour les résultats cérébraux inter-équipes et dépondération d'un trop grand nombre de blocs de mauvaise qualité dans la même session. gbrain search --explain peut afficher les détails du score de chaque étape.

Contrôle déterministe des coûts : séparez le travail déterministe (extraction régulière, résolution de liens, déduplication) du travail de jugement LLM via Minions. Les tâches déterministes utilisent la file d'attente native de Postgres, avec un coût de jeton nul et un succès de 100 % ; seules les tâches telles que l'enrichissement et la synthèse qui nécessitent un raisonnement font appel à LLM pour éviter de payer des frais de raisonnement pour des opérations structurées.

Vérité compilée + évolution cognitive de la chronologie : différent de la mise à jour pure de la couverture (perte de l'historique) ou de l'ajout pur (bruit de requête), le modèle à deux couches garantit à la fois la compréhension la plus récente et la meilleure et une chaîne complète de preuves vérifiables. L'agent peut citer à la fois des conclusions et des sources de preuves lorsqu'il répond.

Comment utiliser

Entrée	Descriptif
Installation automatique de l'agent (recommandé)	Collez les instructions d'installation dans OpenClaw / Hermes Agent et terminez le déploiement entièrement automatique en 30 minutes
Utilisation autonome de la CLI	bun install -g github:garrytan/gbrain → gbrain init --pglite → gbrain import ~/notes/ → gbrain query "..."
Serveur MCP	Exposez plus de 30 outils MCP localement via « gbrain serve » et accédez à Claude Code/Cursor/Windsurf ; déployez Supabase à distance et accédez à Claude Desktop via ngrok
Claude Code / Accès rapide Codex	gbrain init --pglite + claude mcp add gbrain -- gbrain serve

Processus typique :

1. Collez les instructions d'installation dans l'agent ou installez GBrain via CLI
2. gbrain init --pglite initialise le cerveau local en 2 secondes
3. gbrain import ~/notes/ Importer des notes Markdown
4. L'agent identifie et charge automatiquement 43 compétences et configure les tâches planifiées
5. Utilisez gbrain query "..." ou interrogez via le client MCP

Prix des produits

Niveau	Honoraires	Descriptif
Logiciels libres	Gratuit	Licence MIT, disponible pour une utilisation commerciale, une modification et une redistribution
Fonctionne localement	Gratuit	PGLite s'exécute localement sans configuration, aucun serveur ou Docker requis
Modèle intégré	Payer par clé API	ZeroEntropy par défaut (avec quota gratuit), 16 fournisseurs d'intégration facultatifs
Synchronisation Cloud	À partir de 25$/mois	Abonnement Supabase Postgres pour la synchronisation multi-appareils ou le déploiement en équipe
Exigences des clés API	Apportez le vôtre	Nécessite OpenAI (intégré), Anthropic (sous-agent facultatif), Groq (transcription vocale), etc.

GBrain est un projet open source sans frais d'abonnement SaaS. Le coût d'un déploiement de production comprend principalement les frais d'appel d'API intégrés et les frais d'hébergement de base de données cloud en option. Comparé aux produits commerciaux ayant la même fonction (comme un abonnement à une base de connaissances personnelle + des frais d'appel API qui nécessitent 20 à 50 $/mois), GBrain n'a aucun coût au niveau logiciel et l'infrastructure est payée en fonction de l'utilisation réelle.

Scénarios d'application

• Gestion des relations investisseurs/fondateurs : archivez automatiquement les réunions, les e-mails et les mises à jour sociales, et générez le profil complet et l'historique des interactions de l'autre partie 30 secondes avant la réunion. Garry Tan lui-même utilise plus de 3 000 connexions pour gérer son portefeuille YC.
• Base de connaissances personnelle : convertissez des années de notes, d'articles et d'idées en un graphique de connaissances déductible, prenant en charge des requêtes telles que « Mon point de vue sur quelque chose il y a six mois ». Gérez plus de 10 000 tailles de fichiers.
• Automatisation de la recherche : extrayez automatiquement des entités, établissez des références et générez des calendriers après avoir ingéré des articles, des rapports et des vidéos pour faciliter la recherche universitaire ou industrielle.
• Assistance à la création de contenu : suivez la source d'inspiration, complétez automatiquement les références, maintenez la cohérence des balises de sujet et évitez la perte d'informations pendant le processus de création.
• Mémoire partagée en équipe : prend en charge le déploiement multi-utilisateurs avec l'isolation de la portée OAuth. Chaque membre de l'équipe ne peut voir que les pages auxquelles il est autorisé, sans aucune fuite de données. Scénario « Company Brain » adapté aux équipes de 10 à 50 personnes.
• Planification et tâches intelligentes : préparez automatiquement des briefings de réunion chaque jour, inspectez les pages expirées, réparez les références endommagées et générez des rapports périodiques.

Personnes concernées

• Utilisateurs de l'agent AI : utilisateurs qui ont déjà exécuté des agents AI tels que OpenClaw, Hermes, Claude Code, Codex, etc., et qui ont besoin que l'agent dispose d'une mémoire à long terme. Il s’agit du principal groupe cible de GBrain.
• Grands utilisateurs de gestion des connaissances personnelles : utilisateurs individuels qui ont d'énormes notes Markdown (Obsidian, etc.) et souhaitent les transformer en graphiques de connaissances consultables et raisonnables au lieu de simples recherches de fichiers.
• VC/Investisseur : institutions d'investissement qui doivent gérer un grand nombre de contacts, de transactions et d'enregistrements de réunions, et qui souhaitent que l'agent les aide automatiquement à préparer les réunions avant la réunion et à suivre l'investissement.
• Développeurs et passionnés d'Open Source : utilisateurs techniques qui ont une préférence pour les solutions d'auto-hébergement, d'auto-déploiement et open source et qui sont prêts à configurer eux-mêmes les clés API et l'infrastructure.

Ne convient pas à la foule :

• Les utilisateurs qui ne souhaitent pas gérer eux-mêmes les clés API ou l'infrastructure - il ne s'agit pas d'un SaaS prêt à l'emploi et devront configurer eux-mêmes l'API LLM et la base de données.
• Utilisateurs qui n'ont besoin que d'une simple recherche de notes - La courbe d'apprentissage et la complexité de déploiement de GBrain sont excessives pour les utilisateurs ayant uniquement des besoins de base en matière de requête de notes.
• Les utilisateurs qui ont des exigences extrêmes en matière de confidentialité des données mais ne souhaitent pas s'auto-héberger - bien que l'exécution locale (PGLite) soit prise en charge, la synchronisation multi-appareils nécessite une base de données cloud.
• Scénarios avec un contenu principalement non anglais et nécessitant une segmentation approfondie des mots chinois - Le FTS de GBrain utilise le stemmer anglais par défaut et la prise en charge du chinois nécessite une configuration supplémentaire (telle que l'extension de la segmentation des mots jieba).

Résumé et Outlook

La principale compétitivité de GBrain réside dans le fait qu'il ne s'agit pas d'une autre application de prise de notes ou d'une base de données vectorielle, mais d'une couche de mémoire véritablement conçue pour les agents IA : recherche hybride + auto-connexion du graphe de connaissances + file d'attente déterministe en arrière-plan + 43 compétences évolutives, permettant à l'agent d'évoluer de "partir de zéro pour chaque conversation" à "avoir un cerveau de connaissances en constante évolution". Le statut de président YC de son auteur Garry Tan et 140 000 pages de vérification réelle confèrent au produit une crédibilité extrêmement élevée. Le protocole open source du MIT élimine également les problèmes d'adoption commerciale.

Les limitations actuelles incluent : la méthode d'utilisation basée sur CLI a un seuil élevé pour les utilisateurs non techniques ; la méthode d'orchestration des contributions de la communauté (traitement par lots des PR au lieu de fusion en temps réel) peut entraîner des retards dans la mise en œuvre de certains correctifs ; la vitesse d'itération du projet est extrêmement rapide (il a atteint la v0.42+) et une certaine stabilité fonctionnelle est encore en période d'évolution rapide.

Évaluation des risques d'approvisionnement/d'adoption : en tant que projet open source, GBrain ne dispose pas de support SLA commercial, et les déploiements de production critiques doivent s'appuyer sur des capacités de maintenance communautaires ou internes. Les frais de clé API augmentent linéairement avec l’utilisation. Il est recommandé d'utiliser le quota gratuit ZeroEntropy par défaut pour vérifier l'effet avant un déploiement à grande échelle. Le projet présente actuellement un risque élevé sur un seul point - le responsable principal n'est que Garry Tan (bien qu'il y ait 106 contributeurs, la plupart d'entre eux sont des PR communautaires). Il est recommandé de sauvegarder les versions critiques et de prêter attention aux changements dans la structure de gouvernance du projet.

Outils associés : ÉquipageAI, langchain

Informations de version

• v0.42.62.0 ：Prend en charge le filtrage synchrone --src-subpath + --exclude, corrige plusieurs vulnérabilités de dépendance et l'optimisation de la recherche. （~2026-07）
• eval-run-v0.35.1.0-baseline ：Version de référence d'évaluation, utilisée pour récupérer les références d'évaluation de la qualité. （~2026-05）