PMBrain:给AI装上本地记忆,让项目知识不再断片
前段时间我一直在折腾一个东西,叫PMBrain。
说实话,刚开始我并没有想把摊子铺这么大。
我只是觉得现在用AI工具实在太累了。
CodeBuddy、Codex、Cursor、Claude Code,每一个都相当能打。单次对话里,它们能写代码、改文档、排查问题、生成方案,看上去确实让人眼前一亮。
可只要一切换窗口、一换项目、一开新对话,它立刻就像失忆了一样。
你几天前刚跟它讨论过的项目背景,它一点印象都没有。
你上周踩过的坑,它完全不知情。
你在Word里梳理的需求、会议纪要、客户反馈,它更是毫无感知。
它每次都像一个刚来的实习生,态度没得挑,能力也不差,唯独缺了上下文。你不得不一遍又一遍地把背景喂给它。喂的次数多了,人就烦了。
我就在琢磨,AI这么强,为什么还得我天天给它补课?
后来看到GBrain,我翻了翻介绍,眼睛一下就亮了——这就是我一直需要的东西。
它的思路特别直接:给AI搭一个本地知识大脑。你把文档、笔记、对话记录扔进去,它帮你自动完成搜索、向量化、知识图谱,再通过MCP把能力接给各类AI工具。
这个逻辑才说得通。
AI不该只会临场抖机灵,它得能翻旧账。
当然,原版GBrain很强大,可一旦搬到我自己电脑上跑,马上就开始水土不服。
第一,大量内容都是英文语境。管理后台、CLI提示、文档说明,对国内普通用户来说门槛不低。
第二,模型配置偏国外。OpenAI、Anthropic当然是好东西,但在国内环境里,很多人要么连不上,要么用着磕磕绊绊。
第三,项目经理日常打交道最多的材料,其实是Word、PDF、Excel、会议纪要、需求文档、合同文件这些。
你叫我每次先手动转格式再导入?
还是算了吧。
真要这么折腾,最后肯定又退回到手动复制粘贴的老路上。
既然原项目是开源的,我就动了改一改的心思,让它更贴合我自己的使用场景。
改造的过程大概是这样的:
先把后台和CLI全面中文化。
这一步看着没什么技术含量,但其实特别关键。工具如果一打开扑面而来全是英文提示,新手会本能地觉得“这东西离我太远了”。我不想让PMBrain变成只有硬核技术玩家才敢碰的东西。
接着接入国内模型。
我加了MIMO小米的recipe,扩展了智谱和DeepSeek的配置。向量化用智谱的embedding-3,对话和查询扩展可以走MIMO,DeepSeek也能当备用。后来我又专门整理了一套API Key和运行配置治理方案——key不放进仓库,也不写Windows全局环境变量,统一放在私有的config.json里。
听起来好像有点洁癖。
但你要真踩过密钥泄露、环境变量混乱、工具到处读不到配置的坑,就知道这根本不是洁癖,这是救命。
再接下去,是Office文档的直接导入。
我觉得这是PMBrain真正开始变硬核的一步。
因为真实工作里,知识远不只是躺在Markdown里。
它藏在客户发来的Word里,藏在会议纪要里,藏在Excel表格里,藏在PDF合同里,甚至藏在一段录音里。
所以我给它加了 --include-office 能力。
现在Word、PDF、Excel、CSV都可以直接导入。Word内容在内存中直接抽取,自动进入后续的chunk、去重、向量化流程,完全不用先生成一堆中间Markdown。对于老旧的 .doc 和 .wps 文件,还做了Windows Word COM的只读兜底。
这一下就舒服多了。
你把项目资料往文件夹里一丢,PMBrain自己就能消化。
最后我又给它叠了一层项目管理能力。
这也是我自己实实在在的需求。
我平时做项目,真正让人头疼的往往是这些事:
当前项目到底处在什么状态?
哪个任务已经卡住了?
哪个风险是刚刚冒出来的?
上一次会议拍板了什么事?
负责人是谁?
下一步谁该动?
于是我给PMBrain增加了PM schema pack,把项目、里程碑、任务、风险、决策、会议、干系人这几类关键信息拆开,再用关系把它们连起来。
这个思路非常朴素。
不要总指望AI凭空变聪明。先把材料摆对位置,再让AI帮你找关系、做判断、出报告。
我现在越来越觉得,普通人用好AI的关键,早就不再是提示词和最新模型本身了。
真正拉开差距的,是你有没有自己的材料库,有没有自己的流程,有没有让AI持续继承上下文的能力。
没有这些,AI再强也只是个一次性的聊天工具。
有了这些,AI才真正开始像一个长期搭档。
PMBrain现在能做到什么?
它能把你的本地文档一键导入知识库,支持Markdown、Word、PDF、Excel、CSV,后面还会继续扩展音频。
它可以做混合搜索,关键词、向量、知识图谱一齐上阵,不再只靠字面匹配。
它可以通过MCP接入CodeBuddy、Codex、Cursor、Claude Code。你在AI工具里问项目问题,它可以直接查你的本地知识库。
它可以帮项目经理整理项目状态、追踪任务、预警风险、生成报告。
它也可以给普通人用来沉淀自己的AI对话、工作笔记和长期记录。
说白了,它不止能帮你写一句话。
它更像一个本地的工作记忆系统。
你以前散落在各处的材料,现在终于能被AI真正用起来。
怎么用?
备注:下面的安装教程也可以不看,直接把GitHub链接甩给AI,它就能自己帮你装好。
GitHub地址:https://github.com/zhengyunhui123-dev/PMBrain
如果你是Windows用户,我个人建议优先使用Docker启动Postgres。PGLite在Windows + Bun这条路上我踩过坑,WASM兼容问题足以让人心态爆炸。
大致流程是这样的:
# 1. 启动Postgres
docker run -d --name gbrain-pg ^
-e POSTGRES_USER=postgres ^
-e POSTGRES_PASSWORD=postgres ^
-e POSTGRES_DB=gbrain ^
-p 5433:5432 ^
pgvector/pgvector:pg16
# 2. 安装Bun
powershell -c "irm bun.sh/install.ps1 | iex"
# 3. 安装PMBrain
bun install -g github:zhengyunhui123-dev/PMBrain
# 4. 初始化
gbrain init
# 5. 检查状态
gbrain doctor
配置文件放在:
C:\Users\你的用户名\.gbrain\config.json
里面填数据库、模型和对应的key。
例如向量化用智谱:
{
"engine": "postgres",
"database_url": "postgresql://postgres:postgres@localhost:5433/gbrain",
"embedding_model": "zhipu:embedding-3",
"embedding_dimensions": 1024,
"zhipu_api_key": "你的智谱Key",
"chat_model": "mimo:mimo-v2.5-pro",
"mimo_api_key": "你的MIMO Key"
}
导入项目资料:
gbrain import "D:\项目文档" --include-office
或者注册一个文件夹,以后增量同步:
gbrain sources add my-project --path "D:\项目文档"
gbrain sync --source my-project
gbrain embed --stale
接入AI工具也很简单。
在你的MCP配置里加上:
{
"mcpServers": {
"pmbrain": {
"command": "pmbrain",
"args": ["serve"]
}
}
}
如果你想开启HTTP管理后台:
gbrain serve --http --port 3131
然后浏览器打开:
http://localhost:3131/admin
最后
我现在对PMBrain的判断很简单。
如果你只是偶尔向AI问两句话,它可能不是非用不可。
但如果你每天都在做项目、写方案、整理资料、用AI写代码、在不同工具之间来回切换,那它就很值得一试。
因为AI最大的问题,已经从“会不会回答”,悄悄变成了“知不知道你是谁,你在做什么,你之前已经想明白了什么”。
PMBrain解决的,正是这个问题。
先把自己的东西存好。
再让AI长出真正的记忆。