A altas horas de la noche, le preguntas a Hermes: «Entonces, ¿qué fue exactamente lo que Alice me prometió la última vez?» Recorre todo tu historial de chat y aun así no puede responder — porque la respuesta nunca estuvo en la conversación. Está en las notas de la reunión de la semana pasada, en ese correo que nunca reenviaste y en una llamada de voz. La memoria de chat no es conocimiento del mundo, y ese es el punto ciego de todo asistente de IA.

El presidente y CEO de Y Combinator, Garry Tan, opina claramente lo mismo — construyó él mismo la capa que faltaba, la publicó como open source y superó las 28,000 estrellas de GitHub en pocas semanas. El proyecto se llama GBrain y su implementación en producción corre sobre OpenClaw y Hermes.

GBrain en una frase

La búsqueda te da páginas en bruto. GBrain te da la respuesta.

GBrain es la «capa de cerebro» que Garry Tan construyó para sus propios agentes — synthesis, recorrido del graph y gap analysis en una sola caja. Su README publica cifras de producción difíciles de ignorar:

• 155,795 páginas de conocimiento, 24,589 personas, 5,340 empresas
• 66 trabajos cron ejecutándose de forma autónoma
• Su agente ingiere reuniones, correos, tuits, llamadas de voz e ideas en bruto mientras él duerme — enriqueciendo cada persona y empresa que encuentra, corrigiendo sus propias citas y consolidando la memoria durante la noche. «Me despierto más inteligente de lo que me acosté».

Por qué debería importarte, usuario de Hermes

Primero, una aclaración: la memoria integrada de Hermes (recuerdo entre sesiones con FTS5 + el modelo de usuario de Honcho, consulta la referencia del comando hermes memory) es memoria conversacional — excelente para recordar lo que tú dijiste e hiciste. GBrain es conocimiento del mundo — personas, empresas, relaciones, compromisos, resultados de reuniones y los vínculos entre ellos.

No son competidores; son complementarios. La configuración de producción del propio Garry Tan es Hermes (u OpenClaw) + GBrain. El chat se queda en el chat; el cerebro se queda en el cerebro.

Los tres mecanismos clave

1. Una capa de synthesis que responde, no que enlaza

Pregúntale a una herramienta de conocimiento tradicional «¿qué necesito saber antes de mi reunión con Alice?» y obtendrás cinco páginas que debes leer tú mismo. GBrain devuelve una única respuesta citada: «Alice dirige ingeniería en Acme, hablaste con ella por última vez el 22 de abril sobre precios, todavía hay tres asuntos pendientes…» Cada afirmación tiene una fuente.

Aún mejor es su gap analysis: si el cerebro no ha visto nada sobre Alice en seis semanas, te dice «esto puede estar desactualizado, vale la pena preguntarle directamente» — sabe lo que no sabe.

2. Un knowledge graph que se conecta solo, con cero llamadas al LLM

Cada escritura de página extrae referencias a entidades y crea aristas tipadas (works_at, invested_in, founded, advises…) con cero llamadas al modelo. Pregunta «¿quién trabaja en Acme?» — una pregunta que la búsqueda vectorial pura no puede responder — y responde al instante.

Benchmark oficial (corpus de prosa rica de 240 páginas generado con Opus): P@5 49.1%, R@5 97.9% — +31.4 puntos en P@5 frente a su variante sin graph.

3. El dream cycle

GBrain se ejecuta según tu horario durante la noche: integra las memorias del día, repara citas rotas y elimina entradas duplicadas. Tú duermes, él consolida, te despiertas y solo preguntas.

Cómo conectarlo a Hermes: tres caminos

Camino A: instalación desde cero (30 minutos, recomendado)

La documentación de Garry es explícita al señalar que la implementación «siempre activa, enriqueciéndose las 24 horas» es OpenClaw o Hermes:

1. Implementa Hermes mediante la plantilla oficial de un clic para Railway;
2. Instala GBrain: bun install -g github:garrytan/gbrain (la base de datos PGLite está lista en 2 segundos — no hay servidor que ejecutar);
3. Entrégale INSTALL_FOR_AGENTS.md a Hermes y deja que complete él mismo la instalación del cerebro, el despliegue de las habilidades y la configuración del dream cycle.

Camino B: el cerebro ya está en marcha — conecta Hermes con un solo comando

gbrain auth create "hermes"          # crea un token de acceso
gbrain connect https://your-brain.ngrok.app/mcp --token gbrain_xxx

gbrain connect genera toda la conexión y hace un smoke test del token antes de la entrega.

Camino C: MCP directo (el más ligero)

GBrain se distribuye como un servidor MCP estándar, y Hermes tiene un cliente MCP nativo (stdio + HTTP, consulta la referencia del comando hermes mcp):

gbrain serve --surface verbs   # stdio local — 5 verbos de memoria: recall / remember / entity / synthesize / forget
gbrain serve --http --port 3131  # modo remoto con OAuth 2.1

Registra gbrain serve como servidor MCP en Hermes y listo — esos cinco verbos son la «interfaz de memoria» que ven los agentes.

Ir más allá: un cerebro de empresa (aislamiento multiusuario)

GBrain ahora admite el modo de equipo: cada miembro tiene su propia porción del cerebro, delimitada por su inicio de sesión, y solo ve lo que tiene permitido ver. El autor informa haber sometido a fuzz testing todas las rutas de lectura (search, list, lookup, lecturas de múltiples fuentes) con cero fugas — en línea con la forma de cerebro empresarial que YC acaba de incorporar a su Request for Startups.

Advertencias (léelas antes de instalar)

1. ⚠️ No instales el paquete equivocado: el paquete npm gbrain es un paquete de terceros sin relación alguna! La única instalación soportada es bun install -g github:garrytan/gbrain (observa el prefijo github:). Si ya caíste en la trampa, gbrain doctor lo detecta e imprime la solución.
2. Costo: el modo «siempre activo» necesita un servidor real + gasto de API (a diferencia de la vía de Codex/Claude Code, que corre sobre las suscripciones que ya tienes).
3. Entorno de ejecución: Bun + TypeScript — instala Bun primero.
4. Cifras: las cifras de producción y los benchmarks anteriores son afirmaciones del propio README del autor, no mediciones independientes.

Conclusión

Si la memoria conversacional de Hermes ya te parece sólida, prueba a elevarla a memoria del mundo: reuniones, personas, compromisos, graphs de relaciones — esta es la pila con la que Garry Tan se despierta cada día. Para darle a tu Hermes la misma mejora, ejecuta bun install -g github:garrytan/gbrain y entrégale el INSTALL_FOR_AGENTS.md.

¿Tienes curiosidad por la pila de memoria del propio Hermes? Consulta la guía de memoria semántica (LanceDB).