OzBrain - Shared knowledge brain for AI agents and teams
Show HN: OzBrain, a shared brain for knowledge between agents and your team
OzBrainは、Claude、ChatGPT、CursorなどのAIエージェントが読み書きできる共有ナレッジベースです。プロジェクト、決定事項、調査結果などを構造化された記事として保存し、各エージェントが必要な情報だけを参照できるようにします。手動でコンテキストをコピー＆ペーストする手間をなくし、チーム全員とAIが常に最新の知識を共有できます。MCPコネクタを使えば2分でセットアップ可能で、無料プランから始められます。
「人間はメンテナンスの負担が価値を上回るとウィキを放棄する」— Andrej Karpathy氏の言葉通り、OzBrainはAIエージェントが知識ベースを自動で構築・維持するパターンを実現します。
HNでの議論
50- Sammi
各リポジトリにreports、plans、code-reviewsというフォルダを作っている。そこにエージェント用のmdファイルを置いておけば、ソースコードと一緒にgitでクラウドに載る。ローカルのエージェントにそのファイルについて話しかければ、grepとかで見つけてくれる。それで終わり。MCPも特別なサーバーもいらない。
OzBrainみたいな製品を売り込まれたことはあるけど、今持っているもので足りないとは思えない。僕には複雑さが増すだけで、得るものがないように見える。
何か見落としてるのかな？
- gavinboston
大量のLLM生成テキストをまとめるときの精度低下に対する解決策はありますか？
私もLLMの知識・記憶システムを構築しているんですが、SOTAモデルでも、非自明なテキストのバッチを要約するのが驚くほど苦手で、間違えたり、根底にある意味やデータを歪めたりします。
- sinuhe69
こうしたメモリシステムの中心的な問題は、私たちやエージェントが関連情報を見つけられるかどうか、そして変更が入り続ける中でデータをどう整理するかだと思います。取得プロセスで何か見逃さないか？情報をゴミを溜めずに最新で正確に保つにはどう整理するか？もちろんデータを連結してバージョンと日付をタグ付けし続けることもできますが、そうすると短時間で関連情報を取り出す問題に直面します。それをLLMに任せると、長いコンテキストの取得性能は劣化し、コストは爆発します。
だからこそ、まず情報を凝縮するのです。忘れること＋統合することは学習の必要な部分であり、基本的にメモリ＋スマートな取得で学習システムを構築したいのです。
- rgbrgb
いいね:)
> どうやったか聞きたい
これはHedgy用に作ったものです https://setoku.com
私たちのアプローチは、会社のデータをClickhouseに吸い込むデータレイクを構築し、それをナレッジストアに接続することでした。これで、脳はライブな事実のストリームを持ち、その周りに知識を構築します。ナレッジストアを人間が読めるようにすることは諦めました。そこに何かあるかもしれないとは思いますが、今は使っているエージェントを強化することだけに集中しています。これでClaude Codeがデバッグに非常に優れ、みんなが実データでダッシュボードや小さな社内ツールをvibecodeできるようになります。
また、妻と私用に個人インスタンスも運営していて、Monarch MoneyとGmailを吸い込んでいます。主に大きな資金移動についてチャットするのに使っています。
- jen729w
私はJohnny.Decimalです。[0]
Obsidianボールトと自分のシステムを使っています。「23.16にあるよ」とClaudeに言うと、そこから即座にノートやファイルを見つけてくれます。
追加のソフトウェアは不要。基本的な構造だけ。Claudeはそれを気に入っています。[1]
ああ、それと、会話のコンテキストをまとめて/resumeなどを使えるようにするには、次のようにするだけです：
$ cd 23.16
$ claude