OB1
OB1（Open Brain）是一个专为个人思维打造的开源基础设施，旨在成为你所有 AI 工具的“统一大脑”。它通过提供一个共享的向量数据库、统一的 AI 网关和聊天通道，让 Claude、ChatGPT、Cursor 等不同 AI 模型能够访问同一份持久化的个人记忆与上下文信息。
长期以来，用户在不同 AI 工具间切换时面临数据孤岛问题，导致每次对话都需重新输入背景，缺乏连续性。OB1 解决了这一痛点，它不是传统的笔记应用，而是一个支持向量搜索的开放协议系统，确保无论使用何种 AI，都能基于完整的个人知识库进行交互，且无需依赖复杂的中间件或 SaaS 服务链。
该项目特别适合希望构建个性化 AI 生态的开发者、技术爱好者以及注重数据主权的高级用户。虽然上手需要一定的动手能力（如部署数据库和配置网关），但官方提供了详尽的无代码搭建指南和分阶段扩展教程，涵盖从家庭知识库到职业人脉管理等实用场景。
OB1 的核心亮点在于其“可组合”的设计理念：通过模块化扩展，用户可以逐步构建起管理日程、饮食、家居维护乃至求职流程的智能代理系统，让分散的数据真正产生联动价值，实现跨场景的智能协同。
使用场景
自由职业开发者李明每天需要在 Cursor 写代码、用 Claude 规划架构、通过 ChatGPT 查询文档，并在 Slack 中与客户沟通需求。
没有 OB1 时
- 记忆割裂：在 Cursor 中讨论的技术方案，切换到 Claude 时需要重新粘贴上下文，AI 无法“记得”之前的决策。
- 重复劳动：每次开启新对话都要手动整理项目背景、客户偏好和技术栈限制，耗费大量时间。
- 信息孤岛：Slack 里的客户反馈与代码库中的实现逻辑互不相通，导致需求理解出现偏差。
- 工具依赖：为了同步数据不得不使用 Zapier 或各类 SaaS 中间件，增加了配置复杂度和隐私风险。
- 缺乏沉淀：零散的对话记录无法形成统一的知识库，个人经验随着会话结束而流失。
使用 OB1 后
- 统一记忆：所有 AI 工具（Cursor、Claude、ChatGPT）自动共享同一个向量数据库，瞬间调用过往的项目决策和用户偏好。
- 零上下文切换：无需手动复制粘贴，直接在新对话中延续之前的思路，AI 像拥有长期记忆一样理解项目全貌。
- 全域互联：Slack 捕获的客户指令自动转化为开发任务，与代码库中的修改记录实时关联，确保执行无误。
- 去中介化：摒弃了复杂的 SaaS 链条和中间件，本地部署的单一网关让数据流转更私密、高效。
- 知识复利：每一次交互都沉淀为永久记忆，随着使用时间增长，OB1 越来越懂李明的思维习惯和业务逻辑。
OB1 将分散的 AI 工具整合为一个拥有持续记忆的统一大脑，让开发者从繁琐的上下文管理中解放出来，专注于真正的创造。
运行环境要求
- 未说明
未说明
未说明
快速开始
Open Brain
你思维的基础设施层。一个数据库、一个AI网关、一个聊天通道。无论你使用哪种AI，都能轻松接入。无需中间件、无需SaaS链条、无需Zapier。
这并不是一款笔记应用。它是一个具备向量搜索功能的数据库，并采用开放协议——旨在让你所使用的每款AI工具共享同一份关于你的持久记忆。无论是Claude、ChatGPT、Cursor、Claude Code，还是下个月即将推出的任何新工具，都将成为你“大脑”的一部分。一个大脑，所有工具共用。
Open Brain由Nate B. Jones创建。请关注Substack以获取最新动态、讨论内容及配套提示包。加入Discord社区，获得实时帮助与交流。
https://github.com/user-attachments/assets/80a79b09-f323-42c6-b11b-de10bb6fa36f
开始使用
https://github.com/user-attachments/assets/85208d73-112b-4204-82fd-d03b6c397a8b
从未搭建过Open Brain？从这里开始：
- 设置指南 — 在约45分钟内搭建完整系统（数据库、AI网关、Slack捕获、MCP服务器）。无需编程经验。或者观看视频教程（约27分钟）。
- AI辅助设置 — 更倾向于使用Cursor、Claude Code或其他AI编码工具来搭建吗？只需将这些工具指向本仓库即可。同样的系统，不同的工作流程。
- 配套提示 — 五个提示，帮助你迁移过往记忆、发掘应用场景并养成持续捕获的习惯。
- 然后选择扩展1，开始构建吧。
如果你遇到困难： 我们整理了一份常见问题解答，涵盖了最常见的问题和陷阱。若需实时帮助，我们还创建了专门的AI助手，对整个系统了如指掌：一个Claude技能，一个ChatGPT自定义GPT，以及一个Gemini GEM。请根据你正在使用的AI工具选择合适的助手。
扩展——学习路径
https://github.com/user-attachments/assets/cc477f00-bb6b-4f96-9f7d-a6bcd0cf8b60
请按顺序构建这些扩展。每个扩展都会通过实际可用的功能教你新的概念。最终，你的代理将管理你的家庭事务、日程安排、饮食计划、职业人脉以及职业生涯——所有这些都将相互关联。
| 序号 | 扩展名称 | 你将构建的内容 | 难度 |
|---|---|---|---|
| 1 | 家庭知识库 | 家庭信息，供你的代理即时调用 | 初级 |
| 2 | 家居维护跟踪器 | 家居保养的日程安排与历史记录 | 初级 |
| 3 | 家庭日历 | 多人日程协调 | 中级 |
| 4 | 膳食计划 | 食谱、餐单及共享购物清单 | 中级 |
| 5 | 职业CRM | 联系人管理，与你的思考无缝衔接 | 中级 |
| 6 | 求职管道 | 求职申请跟踪与面试流程管理 | 高级 |
这些扩展是层层递进的。你的CRM会了解你已捕获的记忆；你的膳食计划会查看本周在家的人；而你的求职联系人也会自动成为职业网络中的成员。这就是当你的代理能够贯穿整个系统时会发生的事情。
原语：可复用的基础概念
https://github.com/user-attachments/assets/f488e495-fe2a-4ccc-a834-fc6ab5a0ed41
有些概念会在多个扩展中出现。只需学习一次，便可在各处应用。
| 原语 | 教学内容 | 应用范围 |
|---|---|---|
| 行级安全 | PostgreSQL多用户数据隔离策略 | 扩展4、5、6 |
| 共享MCP服务器 | 向他人授予对你大脑部分区域的有限访问权限 | 扩展4 |
社区贡献
https://github.com/user-attachments/assets/9454662f-2648-4928-8723-f7d52e94e9b8
除了官方精心设计的学习路径之外，社区还不断开发并分享真实用户正在使用的实用工具。以下每一项贡献都经过维护团队的审核、批准并合并入主分支。请在每个README文件中查找“社区贡献”徽章。
/recipes — 导入你的数据
将你的数字生活接入Open Brain。每条配方都针对特定的数据源，包含解析、去重、嵌入和入库等步骤。
| 配方 | 功能 | 贡献者 |
|---|---|---|
| ChatGPT导入 | 解析ChatGPT数据导出文件，过滤无关对话，并通过LLM进行摘要 | @matthallett1 |
| Perplexity导入 | 导入Perplexity AI的搜索历史和记忆条目 | @demarant |
| Obsidian vault导入 | 解析并导入Obsidian vault笔记，保留完整元数据 | @snapsynapse |
| X/Twitter导入 | 从X平台的数据导出文件中导入推文、私信及Grok聊天记录 | @alanshurafa |
| Instagram导入 | 从Instagram导出文件中导入私信、评论和帖子说明 | @alanshurafa |
| Google活动导入 | 从Google Takeout中导入搜索、Gmail、地图、YouTube和Chrome浏览历史 | @alanshurafa |
| Grok (xAI)导入 | 导入Grok对话导出文件，并采用MongoDB风格的日期处理 | @alanshurafa |
| Journals/Blogger导入 | 从Blogger/Journals的Atom XML博客存档中导入内容 | @alanshurafa |
| 邮件历史导入 | 将你的Gmail档案提取为可搜索的记忆 | @matthallett1 |
/recipes — 工具与工作流
独立的功能模块，让您的 Open Brain 更加智能。
| 配方 | 功能描述 | 贡献者 |
|---|---|---|
| 自动捕获协议 | 使用可复用的自动捕获技能，在会话结束时将“立即行动”事项和会话摘要存储到 Open Brain 中 | @jaredirish |
| 淘金 | 从思维导图和语音转录中挖掘可操作的想法——已在13次以上的会话中经过实战检验 | @jaredirish |
| Claudeception | 自我改进系统，能够从工作会话中创建新技能——这些技能还能再创造其他技能 | @jaredirish |
| 基于模式的路由 | 基于大语言模型的路由功能，可将非结构化文本分配到多个数据库表中 | @claydunker-yalc |
| 指纹去重回填 | 回填内容指纹并安全地移除重复的思想 | @alanshurafa |
| 来源过滤 | 按来源过滤思想，并为早期导入的数据补全缺失的元数据 | @matthallett1 |
| 生活引擎 | 自我改进的个人助理——日历、习惯、健康，以及通过 Telegram 或 Discord 提供的主动简报 | @justfinethanku |
| 生活引擎视频 | 附加组件，可将生活引擎简报渲染成带有旁白的短视频 | @justfinethanku |
| 每日摘要 | 自动化的每日最新思想摘要，通过电子邮件或 Slack 发送 | OB1 团队 |
| 研究到决策工作流 | 组合配方，将标准技能串联成针对运营和投资的研究、综合、会议及备忘录工作流 | @NateBJones |
/skills — 代理技能
纯文本技能包，您可以将其直接放入 Claude Code、Codex 或其他支持可复用提示/规则的 AI 客户端中。这些是配方和其他贡献可以依赖的标准可复用构建块。
| 技能 | 功能描述 | 贡献者 |
|---|---|---|
| 自动捕获技能包 | 在会话结束时将“立即行动”事项和会话摘要捕获到 Open Brain 中 | @jaredirish |
| 竞争分析技能包 | 构建竞争对手简报、定价对比、市场地图以及战略建议 | @NateBJones |
| 财务模型审查技能包 | 审查现有模型的假设质量、结构风险及情景缺口 | @NateBJones |
| 交易备忘录起草技能包 | 将现有的尽职调查材料转化为结构化的交易、内部沟通或合作备忘录 | @NateBJones |
| 研究综合技能包 | 将资料集综合成发现、矛盾点、置信度指标以及后续问题 | @NateBJones |
| 会议综合技能包 | 将会议记录或转录稿转化为决策、行动项、风险及后续成果 | @NateBJones |
| 淘金技能包 | 将思维导图和转录稿转化为经过评估的想法清单 | @jaredirish |
| Claudeception 技能包 | 从工作会话中提取可复用的经验教训，形成新技能 | @jaredirish |
/dashboards — 前端模板
可在 Vercel 或 Netlify 上托管，并指向您的 Supabase 后端。社区构建了两个选项——您可以选择自己喜欢的框架。
| 控制面板 | 功能描述 | 贡献者 |
|---|---|---|
| Open Brain 控制面板 | 带有 MCP 代理和 Supabase 认证的 SvelteKit 控制面板 | @headcrest |
| Open Brain 控制面板 (Next.js) | 全功能 Next.js 控制面板——8 个页面、暗色主题、智能摄入、质量审计 | @alanshurafa |
/integrations — 新连接
MCP 服务器扩展、替代部署目标以及除 Slack 之外的捕获源。
| 集成 | 功能描述 | 贡献者 |
|---|---|---|
| Kubernetes 部署 | 完全自托管的 K8s 部署，配备 PostgreSQL + pgvector——无需 Supabase | @velo |
| Slack 捕获 | 通过 Slack 消息快速捕获想法，自动嵌入和分类 | 核心团队 |
| Discord 捕获 | 一个将消息捕获到 Open Brain 的 Discord 机器人，模仿 Slack 的模式 | 核心团队 |
/primitives — 可复用模式
| 原语 | 功能描述 | 贡献者 |
|---|---|---|
| 内容指纹去重 | 思想摄入中的 SHA-256 去重——防止所有导入配方中的重复 | @alanshurafa |
如何使用一项贡献
- 浏览上面的分类表格或仓库中的文件夹
- 打开该贡献的文件夹并阅读 README 文件
- 每个 README 都包含先决条件、分步说明、预期结果以及故障排除信息
- 大多数贡献需要运行 SQL、部署边缘函数或托管前端代码——README 会明确告知您具体操作步骤
如何贡献
请阅读 CONTRIBUTING.md，了解完整细节。简而言之：
- 扩展需经审核——提交前请与维护者讨论
- 原语应被至少 2 个扩展引用，以证明其提取的必要性
- 配方、模式、控制面板、集成和技能均欢迎社区贡献
- 每个 PR 都会经过自动化评审代理检查其结构、密钥、SQL 安全性、依赖关系及文档质量
- 如果代理通过，人工管理员会进一步审查质量和清晰度
- 您的贡献需要包含带有实际说明的 README 文件，以及包含结构化信息的
metadata.json
社区
谁在维护
由 Nate B. Jones 的团队构建。Matt Hallett 是首位社区管理员和仓库管理者。拉取请求由自动化工具加上人工管理员共同审核。
许可证
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。