O CEO da Y Combinator Criou Seu Próprio Cérebro de IA e Tornou-o Open Source

Introdução

"Este não é um experimento. Este é o sistema de produção que eu realmente uso."

Este é o artigo No.46 da série "Um Projeto de Código Aberto por Dia". O projeto de hoje é GBrain (GitHub).

Comece com quem o construiu, porque isso importa: Garry Tan é o atual Presidente e CEO da Y Combinator. Ele co-fundou a Initialized Capital (gerenciando $700M em seu auge), escreveu o primeiro cheque semente para a Coinbase em 2012, liderou investimentos iniciais na Instacart e Flexport, e apareceu na lista Midas da Forbes de principais investidores globais todos os anos desde 2018.

Essa pessoa se sentou, escreveu código, construiu um sistema de memória de IA e o tornou de código aberto.

O que torna isso ainda mais impressionante: este não é um projeto de demonstração. O GBrain é o sistema de produção que Tan usa todos os dias. Ele atualmente gerencia 17.888 documentos, 4.383 contatos e 723 empresas — toda a sua rede de conhecimento de empresas do portfólio, relacionamentos com fundadores e sinais de mercado. Quando um VC de alto nível aposta sua infraestrutura intelectual central em uma ferramenta de código aberto, essa é a endosse mais credível possível.

10k+ Estrelas, 1.2k+ Forks — o projeto de código aberto mais carregado de identidade no espaço de memória de IA atualmente.

O Que Você Vai Aprender

• Filosofia de design "Brain-First" do GBrain: por que você consulta a memória local antes de chamar APIs externas
• Arquitetura de busca híbrida: fusão de vetor + palavra-chave RRF alcançando 95% Recall@5
• Auto-conexão de gráfico de conhecimento Zero-LLM: 5 tipos de relacionamento extraídos com regex puro
• Fila de tarefas Minions: operações determinísticas 13x mais rápidas que sub-agentes LLM
• Padrão de "página compilada": rastreamento da evolução do conhecimento semelhante ao Git

Pré-requisitos

• Compreensão básica de Agentes de IA e limitações da janela de contexto
• Fundamentos de TypeScript/JavaScript (opcional)
• Familiaridade com Obsidian, Notion ou ferramentas PKM similares (ajuda com o contexto do caso de uso)

Contexto do Projeto

O Que É?

GBrain é um sistema de memória persistente e gerenciamento de conhecimento de Agente de IA que dá aos assistentes de IA um "cérebro" semântico pesquisável entre sessões via o padrão MCP (Modelo de Contexto de Protocolo).

Filosofia de design: Brain-First

Fluxo de trabalho tradicional do Agente:
  Recebe pergunta → Chama diretamente API externa (busca/banco de dados/ferramentas)
  Problema: Puxa dados de fora toda vez — repetitivo, caro, sem acumulação

Fluxo de trabalho Brain-First do GBrain:
  Recebe pergunta → Consulta o cérebro local (gráfico de conhecimento indexado) primeiro
                   → Acertou? Responde diretamente, custo adicional zero
                   → Errou? Chama API externa → Escreve resultado de volta para o cérebro → Acertou da próxima vez
  Resultado: O cérebro fica mais inteligente e mais barato a cada uso

Sobre o Autor: Garry Tan

O histórico de Garry Tan tem mais profundidade técnica do que a maioria dos VCs:

• BS em Engenharia de Sistemas de Computador pela Stanford; após a graduação, juntou-se à Microsoft, depois se tornou o 10º funcionário da Palantir
• Co-fundou a plataforma de blogs Posterous em 2008; adquirida pelo Twitter por $20M em 2012
• Entrou na YC como Parceiro de Design; pessoalmente escreveu o primeiro cheque semente para a Coinbase em 2012
• Co-fundou a Initialized Capital, gerenciou $700M, liderou investimentos na Instacart, Flexport, Coinbase
• Nomeado para a lista Midas da Forbes todos os anos desde 2018
• Se tornou CEO da Y Combinator em janeiro de 2023, lançou uma iniciativa de captação de recursos de $2B

Ele manteve um canal ativo no YouTube compartilhando conteúdo técnico ao longo do tempo — ele é uma das poucas pessoas em VC que ainda realmente escreve código. O GBrain é o produto direto dessa dupla identidade.

Estatísticas do Projeto

• ⭐ Estrelas do GitHub: 10.400+
• 🍴 Forks: 1.200+
• 🐛 Problemas Abertos: 75+
• 📦 Última Versão: v0.16.4
• 📄 Licença: MIT
• 🌐 Linguagem principal: TypeScript (runtime Bun)
• 🧠 Uso ao vivo do autor: 17.888 páginas / 4.383 pessoas / 723 empresas

Principais Recursos

Busca Híbrida: Fusão RRF, 95% Recall@5

O mecanismo de recuperação do GBrain combina busca vetorial e busca por palavra-chave usando Fusão de Classificação Recíproca (RRF):

Pontuação RRF = Σ 1/(60 + classificação)

Exemplo:
  Busca vetorial retorna:   [Doc A #1, Doc B #2, Doc C #5]
  Busca por palavra-chave retorna:  [Doc B #1, Doc D #2, Doc A #4]

  Doc A: 1/(60+1) + 1/(60+4) = 0.01639 + 0.01538 = 0.03177
  Doc B: 1/(60+2) + 1/(60+1) = 0.01613 + 0.01639 = 0.03252  ← combinado no topo

Comparado à busca vetorial pura:

Auto-Conexão de Gráfico de Conhecimento Zero-LLM

Uma das escolhas de design mais interessantes do GBrain: extração automática de relacionamentos de entidades sem chamadas LLM.

Regex/matching de padrões extrai 5 tipos de relacionamento de texto Markdown:

Relacionamento     Exemplos de padrões de gatilho
atendeu       "encontrou X em...", "participou do X..."
trabalha_em       "X é [cargo] em Y..."
investiu_em    "liderou a Série A de Y..."
fundou        "X fundou Y..."
advisou        "X atua como conselheiro de Y..."

Na prática: quando Garry Tan escreve em suas anotações "chamada matinal com Brian Armstrong sobre o novo produto da Coinbase", o sistema cria automaticamente a aresta [garry-tan] --atendeu--> [brian-armstrong] em seu gráfico de conhecimento — sem gastar um único token.

Fila de Tarefas Minions: 13x Mais Rápida Que Sub-Agentes LLM

O GBrain divide o trabalho em duas faixas:

Operações determinísticas (Minions):
  Analisar Markdown, construir links, sincronizar arquivos, extrair relações
  Latência de execução: 753ms
  Custo de token: zero

Raciocínio não determinístico (Agente LLM):
  Resumir, responder perguntas, gerar insights
  Latência de execução: 10+ segundos
  Custo de token: dinheiro real

Minions operam em uma fila de tarefas persistente nativa do Postgres — segura contra falhas, auto-recuperável, sem trabalhos perdidos. A percepção chave: a maioria das operações de gerenciamento de conhecimento são determinísticas. Elas não precisam de um LLM. O GBrain elimina esse custo para zero.

26 Habilidades: Cobertura Completa de Memória de IA