GBrain es un sistema de memoria inteligente para agentes IA creado por Garry Tan, CEO de Y Combinator. Permite que tus agentes recuerden, aprendan y mejoren de forma permanente, en lugar de empezar desde cero en cada conversación.

Garry Tan reporta usar GBrain con sus agentes OpenClaw y Hermes para procesos de decisión complejos. El sistema combina almacenamiento de conocimiento, búsqueda semántica y síntesis automática.

Por qué la uso

Integré GBrain porque resuelve un problema real: los agentes IA sin memoria pierden contexto entre sesiones. Con GBrain, tu agente sabe quiénes son tus clientes, qué aprendiste de proyectos anteriores, y conecta información automáticamente. En lugar de repetir contexto, el agente construye sobre lo que ya sabe.

Requisitos

Acceso a un agente IA compatible (Claude Code, OpenClaw, Hermes)
Git instalado
20 minutos para setup inicial

Instalación

Paso 1 — Descargar GBrain:

git clone https://github.com/garrytan/gbrain.git
cd gbrain

Paso 2 — Crear carpeta de memoria:

mkdir ~/mi-cerebro

GBrain guarda todo en markdown. Puedes mantenerlo local, en Git, o en cloud storage.

Paso 3 — Conectar con tu agente:

Las instrucciones varían por agente:

Claude Code: Integra como skill en CLAUDE.md
OpenClaw: Configura en settings
Hermes: Usa endpoint de API

Revisa el README oficial para detalles específicos de tu agente.

Cómo funciona — El flujo

GBrain opera en 3 etapas:

1. Ingesta

Conversas normalmente con tu agente y mencionas información importante:

Tú: "Tengo un cliente nuevo, TechCorp. Hacen software para hospitales, 
tienen un sistema legacy que quieren modernizar, deadline 30 días."

Agente (con GBrain): ✓ Guardado. Detecté: cliente TechCorp, 
industria: healthcare, tipo: modernización legacy, plazo: 30 días.

También puedes subir documentos (propuestas, procesos, registros de clientes).

2. Memoria + Conexiones

El agente ahora recuerda y conecta información automáticamente:

Tú: "¿Cuál es el estado de nuestros proyectos?"

Agente: "Tienes 3:
- TechCorp: Legacy modernization (30d, bloqueado en acceso DB)
- HealthClinic: API integration (20d, en progreso)  
- StartupX: MVP (inicial, kickoff esta semana)

Noté: TechCorp y HealthClinic comparten infraestructura de datos. 
Podrías reutilizar el work de acceso DB de HealthClinic en TechCorp."

3. Síntesis de patrones

GBrain encuentra patrones en lo que haces:

Agente: "En los últimos 3 proyectos legacy, tardaste siempre 
2-3 semanas más de lo estimado. ¿Comenzamos con timeline 25% 
más generoso?"

Capacidades clave

Búsqueda semántica

No busca por palabra clave. Entiende significado:

Tú: "¿Qué aprendimos de proyectos con APIs?"

GBrain busca:
- Proyectos con integraciones
- Decisiones arquitectónicas (GraphQL vs REST)
- Bugs encontrados en APIs
- Patrones de problemas similares
→ Retorna contexto completo, no solo archivos

Extracción de entidades

Detecta automáticamente conexiones entre información:

"Juan trabajó en TechCorp (modernización legacy).
Aprendimos que GraphQL es mejor para ese tipo de sistema.

Próxima vez que hables de arquitectura + legacy,
GBrain une esa lección automáticamente."

Síntesis automática

Después de conversaciones importantes, GBrain:

Resume decisiones clave
Extrae accionables
Actualiza el contexto
Conecta con trabajos anteriores

Estructura: "Verdad compilada" vs "Línea de tiempo"

GBrain separa información en 2 niveles:

Verdad compilada — tu versión actual:

TechCorp
- Estado: En progreso (fase 2/3)
- Líder: Juan
- Stack: Node.js + React
- Bloqueador: Acceso DB legacy
- Próximo: Deploy staging (viernes)

Línea de tiempo — evidencia histórica:

- 15-Abr: Primer contacto, descubrieron legacy system
- 18-Abr: Enviamos propuesta, TechCorp pide 2 cambios
- 20-Abr: Aprobada la propuesta
- 22-Abr: Kickoff, comenzó análisis de arquitectura
- 25-Abr: Encontramos complejidad inesperada en BD

Cuando algo cambia, actualizas la verdad compilada. El historial persiste.

Primeros pasos

Semana 1:

Crea entradas para cada cliente/proyecto activo
Sube documentos clave (procesos, propuestas, plantillas)
Resume tus últimas 5 conversaciones importantes

Semana 2:

Comienza a mencionar cosas naturalmente, observa conexiones
Etiqueta proyectos y clientes para búsqueda
Anota patrones que observas ("siempre tardamos más en X")

Semana 3+:

Deja que GBrain sintetice automáticamente después de reuniones
Pregunta: "¿Qué patrones ves en mi trabajo?"
Usa búsqueda para decisiones: "¿Qué hicimos la última vez que X pasó?"

Casos de uso reales

Antes de GBrain:

Lunes: "¿Cómo iba TechCorp?" → explicas de nuevo
Martes: El agente olvida el bloqueador
Miércoles: Repites info que ya diste
Resultado: 2-3 horas perdidas en context-switching por semana

Después de GBrain:

Lunes: Agente: "TechCorp bloqueado en acceso DB. Mientras, refactoreamos auth"
El agente automáticamente vincula: "Ese refactor es similar al de HealthClinic"
Resultado: 5+ horas ahorradas semanales

Lo que puedes guardar

Clientes y empresas: Historia, proyectos, contactos, preferencias
Procesos: Tu forma de trabajar, plantillas, estándares de calidad
Proyectos: Estado, asignados, deadlines, decisiones
Conversaciones: Resúmenes de reuniones, accionables
Contexto personal: Tu voz de marca, tono, cómo comunicas
Resultados: Qué funcionó, qué no, patrones de éxito

Privacidad

GBrain corre completamente local (en tu máquina)
O en servidor privado tuyo
Nadie más tiene acceso
Controlas qué se guarda y comparte

Limitaciones honestas

Primera semana es setup intenso — requiere disciplina
Si guardas información mala, aprende cosas malas
No reemplaza documentación buena, la mejora
Funciona mejor con agentes más avanzados

Alternativas

Herramienta	Para qué	vs GBrain
Notion	Base de datos	Manual, GBrain es automático
Obsidian	Notas conectadas	Para personas, GBrain para agentes
Pinecone	Vector DB	Técnico, GBrain es accesible
Chat normal	Una sesión	Se olvida, GBrain persiste

GBrain gana si quieres memoria permanente y automática en tu agente IA.

Recursos

GitHub: https://github.com/garrytan/gbrain
Docs: En el repo (README detallado)
Comunidad: Issues y discussions
Creador: Garry Tan (CEO Y Combinator)

Para quién es

✅ Te va bien si:

Trabajas constantemente con un agente IA
Tienes múltiples clientes/proyectos
Necesitas que el agente recuerde contexto entre sesiones
Quieres menos repetición de información

❌ No la necesitas si:

Usas IA ocasionalmente
Tus proyectos son simples
No te molesta repetir contexto

GBrain: Memoria Permanente para Agentes IA [2026].