Tarde da noite, você pergunta ao Hermes: “Então, o que exatamente a Alice me prometeu da última vez?” Ele percorre todo o seu histórico de conversas e mesmo assim não consegue responder — porque a resposta nunca esteve na conversa. Está nas anotações da reunião da semana passada, naquele e-mail que você nunca encaminhou e numa chamada de voz. Memória de conversa não é conhecimento de mundo — e esse é o ponto cego de todo assistente de IA.

O presidente e CEO do Y Combinator, Garry Tan, claramente concorda — ele mesmo construiu a camada que faltava, abriu o código dela e ela ultrapassou 28.000 estrelas no GitHub em poucas semanas. O projeto se chama GBrain, e a implantação de produção dele roda em OpenClaw e Hermes.

GBrain em uma frase

A busca entrega páginas brutas. O GBrain entrega a resposta.

O GBrain é a “camada cerebral” que Garry Tan construiu para os próprios agentes — synthesis, graph traversal e gap analysis em uma caixa só. O README dele lista números de produção difíceis de ignorar:

• 155.795 páginas de conhecimento, 24.589 pessoas, 5.340 empresas
• 66 cron jobs rodando de forma autônoma
• Enquanto ele dorme, o agente dele digere reuniões, e-mails, tweets, chamadas de voz e ideias cruas — enriquecendo cada pessoa e empresa que encontra, corrigindo as próprias citações e consolidando a memória durante a noite. “Acordo mais inteligente do que quando fui dormir.”

Por que usuários do Hermes deveriam se importar

Primeiro, um esclarecimento: a memória nativa do Hermes (recall entre sessões via FTS5 + o modelo de usuário do Honcho, veja a referência do comando hermes memory) é memória conversacional — ótima para lembrar o que você disse e fez. O GBrain é conhecimento de mundo — pessoas, empresas, relacionamentos, compromissos, resultados de reuniões e as conexões entre tudo isso.

Eles não concorrem; são complementares. A configuração de produção do próprio Garry Tan é Hermes (ou OpenClaw) + GBrain. Conversa fica na conversa; o cérebro fica no cérebro.

Os três mecanismos matadores

1. Uma camada de synthesis que responde, em vez de apenas apontar links

Pergunte a uma ferramenta de conhecimento tradicional “o que eu preciso saber antes da reunião com a Alice?” e você ganha cinco páginas para ler sozinho. O GBrain devolve uma única resposta com citações: “A Alice lidera a engenharia na Acme, vocês conversaram pela última vez em 22 de abril sobre preços, três pontos continuam em aberto…” Toda afirmação tem uma fonte.

Melhor ainda é o gap analysis: se o cérebro não vê nada sobre a Alice há seis semanas, ele avisa “isso pode estar desatualizado, vale a pena perguntar direto para ela” — ele sabe o que não sabe.

2. Um knowledge graph que se constrói sozinho, com zero chamadas de LLM

Cada escrita de página extrai referências a entidades e cria arestas tipadas (works_at, invested_in, founded, advises…) com zero chamadas de modelo. Pergunte “quem trabalha na Acme?” — uma pergunta que a busca vetorial pura não consegue responder — e ele responde na hora.

Benchmark oficial (corpus de prosa rica de 240 páginas gerado pelo Opus): P@5 49.1%, R@5 97.9% — +31.4 pontos de P@5 em relação à variante com o graph desativado.

3. O dream cycle

O GBrain roda conforme a sua agenda, à noite: integra as memórias do dia, repara citações quebradas e deduplica entradas. Você dorme, ele consolida, você acorda e é só perguntar.

Como plugar no Hermes: três caminhos

Caminho A: instalação do zero (30 minutos, recomendado)

A documentação do Garry é explícita: a implantação “sempre ligada, enriquecendo 24 horas por dia” roda em OpenClaw ou Hermes:

1. Faça o deploy do Hermes pelo template oficial de um clique do Railway;
2. Instale o GBrain: bun install -g github:garrytan/gbrain (o banco PGLite fica pronto em 2 segundos — não há servidor para rodar);
3. Entregue o INSTALL_FOR_AGENTS.md ao Hermes e deixe que ele mesmo conclua a instalação do cérebro, a implantação de skills e a configuração do dream cycle.

Caminho B: cérebro já rodando — conecte o Hermes com um único comando

gbrain auth create "hermes"          # mint an access token
gbrain connect https://your-brain.ngrok.app/mcp --token gbrain_xxx

O gbrain connect gera toda a integração e faz o smoke test do token antes da entrega.

Caminho C: MCP direto (o mais leve)

O GBrain é distribuído como um servidor MCP padrão, e o Hermes tem um cliente MCP nativo (stdio + HTTP, veja a referência do comando hermes mcp):

gbrain serve --surface verbs   # local stdio — 5 memory verbs: recall / remember / entity / synthesize / forget
gbrain serve --http --port 3131  # remote mode with OAuth 2.1

Registre o gbrain serve como servidor MCP no Hermes e pronto — esses cinco verbs são a “interface de memória” do agente.

Indo além: um cérebro de empresa (isolamento multi-usuário)

O GBrain agora suporta o modo de equipe: cada membro ganha a própria fatia do cérebro, delimitada pelo login, vendo apenas o que tem permissão para ver. O autor relata fuzz testing em todos os caminhos de leitura (search, list, lookup, leituras multi-fonte) com zero vazamentos — exatamente o formato de cérebro corporativo que o YC acabou de colocar no seu Request for Startups.

Armadilhas (leia antes de instalar)

1. ⚠️ Não instale o pacote errado: o pacote gbrain do npm é um pacote de terceiros sem relação nenhuma! A única instalação suportada é bun install -g github:garrytan/gbrain (repare no prefixo github:). Se você já caiu nessa, o gbrain doctor detecta o problema e imprime a correção.
2. Custo: o modo “sempre ligado” exige um servidor real + gasto com API (diferente do caminho Codex/Claude Code, que roda nas assinaturas que você já tem).
3. Runtime: Bun + TypeScript — instale o Bun primeiro.
4. Números: os números de produção e os benchmarks acima são afirmações do próprio README do autor, não foram medidos de forma independente.

Conclusão

Se a memória conversacional do Hermes já parece forte, experimente o upgrade para a memória de mundo: reuniões, pessoas, compromissos, graphs de relacionamento — é essa a stack com a qual Garry Tan acorda todos os dias. Para dar o mesmo upgrade ao seu Hermes, rode bun install -g github:garrytan/gbrain e entregue a ele o INSTALL_FOR_AGENTS.md.

Curioso sobre a stack de memória do próprio Hermes? Veja o guia de memória semântica (LanceDB).