OzBrain: 为AI代理打造共享知识大脑
Show HN: OzBrain, a shared brain for knowledge between agents and your team
OzBrain是一个专为Claude、ChatGPT、Cursor等AI代理设计的共享知识层。它解决了用户在不同工具间手动搬运上下文、导致信息碎片化和版本不一致的痛点。通过OzBrain，所有代理都能读写同一份结构化知识库，自动路由新信息，确保每次对话都基于最新事实。无需编写代码，只需在代理设置中添加连接器即可快速启动，让AI真正理解你的工作流，实现团队与代理间的无缝协作。
你不再需要手动在不同工具间搬运上下文，OzBrain让每个代理都能从同一份真实知识源中读取和写入，从此告别重复解释。
HN 评论区
46- someRandomValue
顺便提一句：我刚打开页面，大脑就自动进入了“这是个AI落地页，没啥干货”的模式。这让我开始阅读时增加了不少阻力。
- ksajadi
你们怎么防止多个代理同时操作同一份文档？我们正是出于这个原因才使用 markbase。
- Sammi
我在每个仓库里都建了一个叫 reports、plans 和 code-reviews 的文件夹。我把代理用的 md 文件放在那里，搞定，它们就和我的源代码一起通过 git 同步到云端了。我只需要和我的本地代理聊聊这些文件，它就能用 grep 之类的工具找到所需内容。搞定。不需要 mcp 或任何特殊服务器。
我之前也被推销过像 ozbrain 这样的产品，但一直没看出它比我现有的方案强在哪。在我看来，这纯粹是平添麻烦却毫无收益。
我是不是漏掉了什么？
- gavinboston
你们有没有解决随着 LLM 生成的文本量增大而导致的准确率下降问题的方案？
我也在构建 LLM 知识/记忆系统，令我惊讶的是，即便是 SOTA 模型，在处理非琐碎的大批量文本摘要时也表现糟糕。它们会出错、扭曲原始含义或数据等。
- sinuhe69
我认为这类记忆系统的核心问题在于：我们或代理能否找到相关信息，以及在数据持续更新时如何组织这些数据。检索过程中我们会遗漏什么吗？我们该如何组织信息，使其保持最新和正确，而不会堆积垃圾？当然，我们可以继续拼接数据并打上版本和日期标签，但随后就得面对如何快速提取相关信息的问题。如果把这个难题丢给 LLM，长上下文检索性能会下降，成本也会激增。
这正是我们一开始就要压缩信息的原因。遗忘 + 综合是学习过程中必不可少的部分，本质上，通过记忆 + 智能检索，我们想要构建的就是一个学习系统。