Gbrain решает проблему амнезии агентов через самоорганизующийся граф знаний с динамическим обновлением и автосвязями, улучшая точность поиска и долгосрочную память. Архитектура поддерживает фоновое обогащение данных и быструю интеграцию с Hermes Agent.
GBrain: самовстраивающийся граф памяти для агентов на OpenClaw и Hermes
наведи и нажми на цифру — раскроется глава
полный разбор ролика · 5 глав ↓
Введение в Gbrain
Gbrain — это самоорганизующийся граф знаний для агентов, решающий проблему быстрой потери контекста и памяти в автономных системах.
Без долгосрочной памяти агенты начинают работу с чистого листа, что снижает качество взаимодействия.
Проблема памяти агентов
Традиционные append-only базы данных разрастаются до гигантских размеров и не помещаются в контекстное окно моделей.
Это приводит к амнезии агентов и необходимости новой архитектуры для управления знаниями.
Архитектура слоя знаний
Gbrain использует markdown-файлы, Postgres с гибридным поиском и агента для динамического обновления и извлечения данных.
Верхняя часть страницы — актуальная выжимка (скомпилированная истина), нижняя — неизменяемый журнал событий и фактов.
Самоорганизующийся граф
Граф сущностей автоматически связывает данные при сохранении без дополнительных вызовов LLM, обеспечивая точные реляционные ответы.
Гибридный графовый поиск повышает точность извлечения информации более чем на 30 пунктов по сравнению с векторным.
Навыки и фоновые задачи
43 навыка описаны в markdown, управляющие обработкой сигналов, исправлением и обогащением данных.
Ночью запускается 21 фоновая задача, которая консолидирует и очищает память, делая агента умнее.