装上这个大脑,让你的OpenClaw和Hermes记忆力更强

装上这个大脑,让你的OpenClaw和Hermes记忆力更强OpenClaw 小龙虾的记忆插件 之前老马也介绍过一些了 可以回看老文章 给你的 OpenClaw 装上记忆能力 还能省掉 72 的 token 消耗 关于记忆系统的优化 同样在老文章中给大家剖析过 OpenClaw 小龙虾记忆系统实战小白指南 对比 Hermes Agent 的四层记忆 小龙虾的记忆系统是差一些 在底层的硬编码部分 并没有很好地去处理记忆 那今天同样给大家再安利一款为 AI

大家好,我是讯享网,很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



OpenClaw小龙虾的记忆插件,之前老马也介绍过一些了,可以回看老文章:给你的OpenClaw装上记忆能力,还能省掉72%的token消耗

关于记忆系统的优化,同样在老文章中给大家剖析过:OpenClaw小龙虾记忆系统实战小白指南

对比Hermes Agent的四层记忆,小龙虾的记忆系统是差一些。在底层的硬编码部分,并没有很好地去处理记忆。

那今天同样给大家再安利一款为AI Agent设计的长期记忆系统,以前使用了各种方式不理想的小伙伴,可以尝试一下。

这个记忆系统叫GBrain,是由Y Combinator(YC)总裁兼CEO Garry Tan开源的一个项目,目的是解决AI的短期记忆(金鱼脑)问题:

GBrain允许AI Agent在后台持续学习,自动消化用户的各类信息(如会议记录、邮件、推特、语音通话、笔记等),并智能关联人物、公司等实体,从而构建一个不断进化的知识库。

GBrain不仅适合OpenClaw,也适合Hermes Agent。它能够让AI Agent记住历史交互和信息,避免每次对话都从零开始。

GBrain拥有26个内置的技能,包括信号检测、内容摄入、运维任务等。其中signal-detector和brain-ops是核心,分别用于实时提取信息实体和确保回答基于记忆,避免胡编乱造。

GBrain的Compiled Truth + Timeline知识模型采用当前**理解和只增不减原始时间线的双层结构,平衡了认知进化与历史追溯。

GBrain结合向量搜索、关键词搜索及多种技术提高检索准确率。系统能根据提及频率自动为实体(如人物、公司)丰富信息,实现越重要越了解。

GBrain还支持多种服务集成,不过这块是我们国内的用户基本用不上的AI通话。

GBrain背后体现了 “Thin Harness, Fat Skill” 的设计理念,即将核心智能放在众多可复用的Skill(技能)中,保持运行时框架尽可能轻薄。

以上官方的介绍可能看起来有点枯燥,简单地一句话总结,这个大脑算是OpenClaw和Hermes Agent的持久化、可进化记忆系统级解决方案。

下面直接演示一下如何在Windows上部署的OpenClaw,安装GBrain这个AI Agent记忆系统,Hermes的安装设置同理。

由于老马是在OpenClaw Tui终端去跟小龙虾聊天的,这就导致部分聊天会话记录被清理掉了,因此有部分安装过程没来得及截图。

但全程没有用魔法,正常情况下都可以安装成功的。如果实在安装过程中提示网络问题没法正常安装,那尽可能开启一下魔法。

或者可以下载老马网盘中提供的源码包,把zip压缩包通过对接好的机器人发送过去,让其解压后阅读理解相关文档并安装。

GBrain的安装与配置

安装GBrain很简单,只需要给你的OpenClaw或者Hermes Agent发送以下命令,交给它去阅读安装即可,这个对于部署在Mac跟Linux系统的来说是最简单的:

GBrain源码包下载地址:

而Windows系统部署的小伙伴,可能会提示Curl命令无法使用的问题,导致无法正常安装。这时你可以告诉你的小龙虾或者马,使用替代Curl命令的其它方式去安装:

总而言之,GBrain安装后,需要你长期的使用,才能感受到它对于小龙虾跟马的记忆提升有多大,短期内当本地知识库去搭建也是可以的。

好了,以上就是今天的分享,欢迎关注、点赞、转发一键三连。有任何问题和需求,请在评论区留言,回见!

对了,老马最近刚创建了一个AI学习交流群,有兴趣进群的小伙伴可以添加老马微信号:immajiabin,添加好友时备注:进群(不备注不通过)。

小讯
上一篇 2026-04-26 19:50
下一篇 2026-04-26 19:48

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/280965.html