GBrain为LLM挑选上下文
garrytan · x · 2026-07-20
Garry Tan 表示，LLM 的工作记忆可以理解为能同时保留 3 本书量级 的内容，而 GBrain 的作用，是根据当前任务挑出最相关的那 3 本。
他强调，这在下面几种场景尤其有价值：
- 上下文非常大
- 信息带有强个人属性或任务属性
- 关键不在于塞进更多内容，而在于选对内容
这条更像是在讲 agent/上下文管理的实用突破，而不是单纯的模型感想。
所属事件:Y Combinator 总裁推荐开源检索库 GBrain(3 条相关)→
「编程与Agent」频道最新
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11