Open Brain (OB1)
为所有AI工具提供一个共享的持久记忆层——一个数据库，一个AI网关，一个聊天通道，任何AI都能接入。
证据显示：仓库包含安全策略（SECURITY.md），但联系邮箱为TODO占位符；CI工作流使用pull_request_target和secrets，权限最小化不足；测试中显示API密钥通过X-Brain-Key头传递，但未明确用户确认机制；数据流透明度有限，README未详细说明数据流向；敏感数据处理（如导入Gmail、X数据）有提及但无具体安全措施；依赖安全未提及；外部影响（如部署Edge Function）有文档但无回滚机制；来源归属清晰（贡献者列表）。扣分：用户确认、数据流透明度、敏感数据处理、依赖安全、外部影响、回滚均证据不足或缺失。
证据显示：README与测试文件自洽，测试覆盖了多个功能点；依赖可用性未明确，但测试模拟了网络；失败消息在测试中有HTTP错误处理，但整体错误处理文档不足。扣分：依赖可用性证据不足，失败消息仅部分覆盖。
证据显示：README明确目标受众（无编码经验用户）和多种场景（扩展、食谱、技能）；能力边界通过扩展和食谱划分；触发精度在README中通过步骤说明，但未明确自动化触发条件；环境适配（Supabase、K8s、Vercel等）有文档。扣分：触发精度证据不足。
证据显示：信息架构清晰（目录分类）；安装说明详细（Setup Guide）；命名稳定（目录命名一致）；示例和FAQ存在；已知限制未明确列出；许可证为FSL-1.1-MIT，但元数据为NOASSERTION；版本变更日志未提供；维护责任明确（维护者列表）。扣分：已知限制、版本变更日志证据不足。
证据显示：输出可用性通过README和测试体现；边际价值高（社区贡献丰富）；成本效益未明确，但部署成本可能较高。扣分：成本效益证据不足。
证据显示：README中的声明（如“45分钟构建”）有文档支持，但未独立验证；跨来源佐证有限（社区贡献者）；事实与推断未明确分离。扣分：声明可追溯性、跨来源佐证、事实推断分离均证据不足。
- 安全策略中的联系邮箱为TODO占位符，需补充。
- CI工作流使用pull_request_target和secrets，存在潜在风险，需最小化权限。
- 未明确用户确认机制，敏感操作（如导入数据）可能缺乏用户同意。
- 依赖安全未提及，需检查依赖漏洞。
- 回滚机制缺失，部署失败时可能无法恢复。
这个 Agent 能做什么，适合哪些场景？
Open Brain是一个自托管的AI记忆基础设施，将你的数据统一到一个带有向量搜索功能的PostgreSQL数据库中，并通过一个AI网关和MCP服务器让Claude、ChatGPT、Cursor等AI工具共享同一套持久记忆。它不是笔记应用，而是一个提供开放协议的数据库，支持通过Slack或Discord快速捕获想法。系统由多个组件构成：Supabase后端（数据库、向量嵌入、边缘函数）、MCP服务器（如远程MCP连接）、以及多个社区构建的扩展、配方（recipes）、技能（skills）和仪表板（dashboards）。你可以通过45分钟的设置指南或AI辅助方式搭建系统，然后按顺序构建扩展，从家庭知识库到职业CRM，逐步增强AI助手的能力。项目采用FSL-1.1-MIT许可，但许可证状态未明确声明。
Open Brain运行一个Supabase后端，包含PostgreSQL数据库和pgvector向量搜索、用于AI推理的边缘函数、以及一个将AI客户端（如Claude、ChatGPT、Cursor）连接到记忆层的MCP服务器。核心数据模型是'thoughts'表，存储通过Slack/Discord捕获、或通过数据导入配方（如ChatGPT导入、Obsidian仓库导入）获取的条目，并进行嵌入和分类。系统提供扩展（如家庭维护追踪器、职业CRM）和技能包（如Panning for Gold、Auto-Capture），通过SQL模式和MCP工具定义输出。部署边界是自托管的Supabase实例（或Kubernetes上的自托管PostgreSQL），前端仪表板可部署到Vercel/Netlify。
- 一位独立开发者希望让Claude Code和ChatGPT共享项目笔记，避免重复上下文，使用Open Brain作为统一记忆层。
- 知识工作者通过Slack快速捕获想法，随后用AI助手检索并生成每日摘要（Daily Digest）。
- 用户从Obsidian迁移笔记，使用Obsidian Vault Import配方保留完整frontmatter元数据。
- 家庭用户构建家庭日历扩展，协调多人日程，AI助手根据历史记忆提供提醒。
- 求职者使用Job Hunt Pipeline扩展跟踪申请和面试，并让AI助手自动关联简历优化建议。
- OpenClaw用户通过OpenClaw Agent Memory集成，在长时间运行的任务中保持记忆连续性，实现跨代理、模型和渠道的持久工作日志。
这个 Agent 有哪些优点和局限？
- 提供统一的持久记忆层，让Claude、ChatGPT、Cursor等AI工具共享上下文，避免重复输入。
- 完全自托管，数据存储在自己的Supabase实例中，支持Kubernetes部署，不依赖第三方SaaS。
- 丰富的社区贡献：扩展、配方、技能、仪表板，覆盖家庭、职业、数据导入等多个场景。
- 内置OpenClaw集成，支持代理工作流中的持久记忆和代码评审记忆。
- 支持多种导入源（ChatGPT、Obsidian、X等），便于迁移历史数据。
- 初始设置需要约45分钟，涉及Supabase、Slack、MCP等多组件配置，对非技术用户有门槛。
- 依赖Supabase和pgvector，虽然支持Kubernetes自托管，但可能引入供应商依赖。
- 项目许可证为FSL-1.1-MIT，但GitHub未声明（NOASSERTION），可能影响商业使用评估。
- 扩展和配方数量多，但质量参差不齐，需要维护者审核，可能增加选择成本。
- 主要集成英文社区，非英文用户可能缺少支持。
如何安装或部署这个 Agent？
安装需要先完成设置：1) 遵循docs/01-getting-started.md中的设置指南，构建包含Supabase数据库（启用pgvector）、AI网关、Slack捕获和MCP服务器的完整系统，预计耗时45分钟，无需编码经验；或观看视频教程。2) 或者使用AI辅助设置（docs/04-ai-assisted-setup.md），将Cursor或Claude Code指向此仓库，让其指导构建。需要创建Supabase账户并获取其API密钥和数据库凭据，以及Slack应用令牌（如果使用Slack捕获）。对于MCP连接，需要在客户端配置远程MCP服务器指向部署的MCP服务器URL。
如何使用这个 Agent？
安装后，通过MCP服务器将Open Brain连接到AI客户端（如Claude Desktop、ChatGPT、Cursor）。使用Slack或Discord机器人捕获想法，自动嵌入并分类到'thoughts'表中。通过扩展逐步构建功能：从扩展1开始，按顺序完成6个扩展，每个扩展的README提供步骤和预期结果。使用社区配方（如ChatGPT导入）导入历史数据，使用技能包（如Panning for Gold）从脑暴中提取想法。通过仪表板（如Open Brain Dashboard）可视化数据。参与者可通过Discord获取实时帮助。