gbrain Daily Briefing Skill 实战指南：基于脑库上下文的每日晨报编排与预简报上下文拉取

人工智能RAGAgent 记忆MCP 服务知识管理【免费下载链接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain项目地址https://gitcode.com/gh_mirrors/gb/gbrain点击查看免费下载导读本文围绕 gbrain 开源仓库中gbrain-daily插件变体的briefing技能plugin-variants/gbrain-daily/skills/briefing/SKILL.md展开系统讲解如何用 gbrain 的 CLI 命令salience、anomalies、recall、waiting 等在撰写晨报之前做一轮“预简报上下文拉取”再按六个阶段编排会议、活跃交易、待办事项与人员动态。读完本文你将掌握从脑库brain中系统性抽取上下文、生成带引用的每日简报、并规避五大反模式anti-patterns的完整实战方法。文中所有命令与参数均以仓库源码为准逐一验证。技能定位briefing 是什么briefing是 gbrain-daily 插件变体中用于“从脑库上下文编译每日简报”的技能当前版本为 1.3.0上游对齐briefingfc834ee。它在技能清单中的核心定义如下来自 SKILL.md 的 frontmatter描述结合会议上下文、活跃交易与引用追踪编译每日简报触发短语daily briefing、morning briefing、whats happening today、brain pulse、pre-briefing pull声明的工具search、query、get_page、list_pages、get_timeline变更属性mutating: false——技能本身是只读的默认不修改任何脑库页面。从 routing-eval.jsonl 可以看到该技能的意图路由评测也同步更新Give me the brain pulse before my first meeting、Run the pre-briefing pull: salience, anomalies, and recall均路由到briefing同时评测明确了两条边界——单个页面的异常溯源Why did the page for acme-example suddenly spike不属于简报职责预期技能为 null而与daily-task-prep存在意图歧义“今天会议与热点话题概览”被标记为ambiguous_with。这提醒我们briefing 的职责边界是“聚合式每日消化”不是单点调查。Contract简报的五条铁律SKILL.md 在## Contract一节给出了编制简报时必须遵守的五条契约这也是后续所有小节的设计依据每条事实都要带行内引用格式为[Source: slug, updated DATE]会议参与者必须对照脑库解析解析不到的缺口要显式标注gap 要暴露不能沉默活跃交易与行动项必须包含截止日期和时效上下文recency context简报默认只读除非用户明确要求不得创建或修改任何脑库页面过期告警stale alerts只暴露与今日上下文相关的页面而不是倾倒所有过期页面。这五条把“每日简报”从“凭记忆复述”提升为“可溯源、有时效、有边界的上下文聚合”。其中第 4 条与仓库中mutating: false的声明一致也直接呼应了后文“Anti-Patterns”中的两条红线。预简报上下文拉取Pre-Briefing Context Pull在动笔组织各章节之前必须先完成五轮只读上下文拉取编号 0a–0e。SKILL.md 强调这些拉取必须在正式编撰之前全部完成它们决定了简报的优先级与时效性。0a. 显著性扫描Salience Scangbrain salience --days 7该命令返回按“情绪权重 × 近期活动”排序的页面。SKILL.md 建议把 Top 5–10 折叠进简报的 “High-Salience Pages” 小节用来决定哪些会议、交易、人物值得获得最多的简报深度。源码侧src/commands/salience.ts 给出了完整参数面--days N窗口天数默认 14SKILL.md 用--days 7收窄窗口--limit N最大结果数默认 20上限 100--kind PREFIX/--slug-prefix P按 slug 前缀过滤如personal、wiki/people--json面向 Agent 的结构化输出。关键实现事实该命令完全确定性零 LLM 调用。评分由emotional_weight在 dream cycle 的recompute_emotional_weight阶段计算、活跃 takes 数量与 recency 衰减项混合而成SQL 位于引擎方法getRecentSalience。此外在gbrain init --mcp-only的瘦客户端thin-client安装下命令会透明地经 MCP 的get_recent_salience远端操作路由对应 salience.ts 中 Issue #734 的处理输出格式与本地路径完全一致。0b. 异常检测Anomaly Detectiongbrain anomalies默认以“今天”为检测日、以最近30 天为基线窗口可用--lookback-days N放宽基线、用--sigma 2调低阈值。输出的是按 cohorttag、type聚合的“活动偏离正常节奏”的页面组——例如某标签下的提及量突然飙升或某些页面更新频率异常。源码侧src/commands/anomalies.ts 确认了完整参数--since YYYY-MM-DD目标日默认今天 UTC--lookback-days N基线窗口默认 30--sigma N阈值倍数默认 3.0命中条件是“目标日计数 mean sigma × stddev”--json结构化输出。实现细节基线通过generate_series零填充计算 cohort×天 的均值与标准差避免稀疏 cohort 得到有偏基线同样零 LLM 调用且瘦客户端走find_anomaliesMCP 操作。命中项建议放入 “Brain pulse” 之后的 “Anomalies” 小节。0c. 个人回忆Personal Recallgbrain recall --query current priorities and preferences --json在编制前检查已存储的个人事实与偏好饮食偏好、沟通偏好、先前承诺等防止简报与用户此前陈述或决定相矛盾。--json用于结构化输出。源码侧src/commands/recall.ts 是 v0.31 引入的用户侧查询入口底层直接对应 MCPrecall操作支持两种输出形态常用参数包括gbrain recall entity按实体列出事实--since 8 hours ago列出该时间点之后的事实--session id按会话列出--today带 kind 图标的 Markdown 渲染--grep text不区分大小写的文本过滤--include-expired包含已过期事实--as-context可直接注入提示词的 Markdown--json结构化输出。0d. 热记忆脉冲Hot Memory Pulsev0.32这是 v0.32 新增的核心能力必须在编撰任何章节前执行gbrain recall --since-last-run --supersessions --pending --rollup --json其输出折叠进简报顶部的 “Brain pulse” 小节结构如下隔夜解决的矛盾Contradictions resolved overnight——来自--supersessions输出置顶展示因为这是对世界模型的最新修正Top mentions——来自--rollup的top_entities窗口内按事实数排序的 Top 5 实体 slug上次简报以来的新事实——按实体分组facts数组包含kind、notability、confidence字段待合并页脚Pending consolidation footer——当pending_consolidation_count 0时标注N facts await dream-cycle consolidation让操作者决定是否先运行gbrain dream再继续阅读。源码侧的关键机制recall.ts 的 v0.32 注释--since-last-run会读取并推进~/.gbrain/recall-cursors/source.json游标文件使下一次简报恰好从本次结束的位置续接。两个重要注意事项cron 场景必须显式指定来源cron 不会在仓库根目录的 cwd 启动点文件dotfile解析可能错失正确的 source因此 SKILL.md 明确要求传--source slug或设置GBRAIN_SOURCE环境变量瘦客户端透明路由gbrain init --mcp-only安装下runRecall/runForget通过callRemoteTool路由到远端脑库本地 PGLite 为空但游标与--watch循环等 CLI 侧逻辑始终留在客户端。0e. 未闭环事项Open Loops存在 google 来源时gbrain waiting --json把“谁在等你、你承诺了什么”的真实 loop 行含欠付内容、截止日期、证据引用、深链折叠进 ACTION ITEMS 小节。SKILL.md 特别强调这些是真实 loop 行而非推断式跟进因此优先级高于基于文本启发式的跟进项。源码侧src/commands/loops.ts 给出了完整行为gbrain waiting [--top N] [--json] [--stale-ok]默认 Top 3 个 counterparty输出“谁在等你 / 你承诺了什么 / 证据引用 Gmail 深链 / 实体卡上下文”防陈旧拒绝stale refusal当 google 来源在24 小时内没有成功同步时命令会拒绝输出并点名精确修复命令gbrain sync --source id——这正是 SKILL.md 说的“stale-but-confident output on a trust-critical surface is worse than none”的设计取舍--stale-ok可强制绕过所有路径都经受信任的本地操作层handleToolCallremote: false分派CLI 与 MCP 共享同一行为读取默认作用于__all__脑域loops 位于 google 来源而非default--source id可收窄范围管理命令gbrain loops list|show|done|drop|mute|unmute。当waiting拒绝并指出修复方法时SKILL.md 建议按skills/google-loops/SKILL.md执行对应同步后重试该技能位于 skills/google-loops/SKILL.md负责 Gmail/Calendar/Contacts 连接器与 open-loop 引擎的日常运维含 BYO OAuth 两步设置。六阶段编排简报正文从哪来完成预拉取后SKILL.md 的## Phases定义了六个阶段的编排顺序每阶段都对应一组查询模式今日会议Todays meetings对日历上每个会议按姓名搜索每位参与者读取其页面获取 compiled_truth 上下文归纳“是谁、近期时间线、与你关系”活跃交易Active deals列出脑库中状态为 active 的交易页面聚焦未来7 天内到期的截止日期与最近7 天的时间线条目时效敏感线程Time-sensitive threads来自时间线条目的未决项含未来48 小时内到期的项与已逾期跟进最近变更Recent changes24 小时内更新的页面说明改了什么、为什么改读取时间线条目在局人物People in play按 recency 排序的人物页面条件为最近7 天更新过、且有大量近期时间线条目过期告警Stale alerts来自脑库健康检查只挑与今日会议相关的过期页面。这些时间窗7 天、48 小时、24 小时是 SKILL.md 给定的“时效层次”决定了简报中不同信息的保鲜度标注。GBrain 原生上下文加载会前、邮件前、每日查询## GBrain-Native Context Loading给出了三种具体场景的系统化加载方式会前Before a meeting——对邀请中的每位与会者gbrain search attendee name # 找到其脑库页面 gbrain get slug # 加载 compiled truth、近期时间线、关系上下文若页面不存在必须显式记录缺口例如No brain page for alice-example -- consider enrichment。邮件回复前Before an email reply——草拟或分诊任何邮件前gbrain search sender name # 加载发件人上下文读取其 compiled truth理解对方是谁、关心什么、你们的关系史把“冷回复”变成“有信息量的回复”。每日简报查询Daily briefing queries——用这些查询填充简报各小节gbrain query active deals status # 交易管线快照 gbrain query meetings this week # 近期会议页面与洞察 gbrain query pending commitments follow-ups # 未决线程与行动项 gbrain list --type person --sort updated_desc --limit 10 # 在局人物输出格式标准简报模板SKILL.md 给出了可复制的标准模板DAILY BRIEFING -- [date] MEETINGS TODAY - [time] [meeting name] Participants: [name] (slug: people/name, [key context]) ACTIVE DEALS - [deal name] -- [status], deadline: [date] Recent: [latest timeline entry] ACTION ITEMS - [item] -- due [date], related to [slug] RECENT CHANGES (24h) - [slug] -- [what changed] PEOPLE IN PLAY - [name] -- [why theyre active]该模板与预拉取内容Brain pulse / High-Salience / Anomalies叠加即构成完整的每日晨报。模板中每个[slug]都应当是真实脑库页面路径为后续引用追踪提供锚点。反向链接与引用让简报可溯源Back-Linking During Briefing如果简报确实创建或更新了脑库页面例如新的会议准备页、更新的实体页则“反向链接铁律”适用——每个被提及的实体都必须从其页面存在反向链接。规则细节见 skills/_brain-filing-rules.md主条目决定文件归属人员→people/、公司→companies/、概念→concepts/原始数据才进sources/并且“Notability Gate”提醒——不确定是否值得建页时宁可不建。Citation in Briefings所有来自脑库页面的事实都要带行内引用示例Jane is CTO of Acme [Source: people/jane-doe, updated 2026-04-01]这让读者用户本人或下游 Agent能把任何断言回溯到脑库页面并评估其新鲜度。Anti-Patterns五大红线SKILL.md 在结尾明确了五条不可触犯的反模式这也是评估简报质量的核心判据不查脑库就编简报Briefing without brain queries——绝不凭记忆生成始终查询 gbrain 获取当前数据无引用事实Uncited facts——每条声明必须带[Source: slug, updated DATE]无引用的事实不可验证把过期上下文当作最新Stale context presented as current——页面超过30 天未更新必须显式标注过期而不是当作新鲜内容呈现未经请求修改脑库页面Modifying brain pages unprompted——简报默认只读用户未明确要求不得创建或更新页面忽略覆盖缺口Ignoring coverage gaps——会议参与者没有脑库页面时必须说出来“对缺口的沉默等于隐藏无知”。这五条与开头## Contract的五条一一呼应1↔契约 1、3↔契约 3、4↔契约 42 和 5 则是把契约 1、2 从“应该做”升级为“禁止不做”。工具清单与落地要点SKILL.md 最后总结了本技能依赖的工具面Search gbrain by namequeryRead a page from gbrainget_pageList pages in gbrain by typelist_pagesCheck gbrain healthget_healthView timeline entries in gbrainget_timeline综合全文一次标准的 briefing 落地流程可归纳为五轮只读预拉取salience / anomalies / recall / hot memory pulse / waiting→ 六阶段编排会议 / 交易 / 线程 / 变更 / 人物 / 过期→ 按标准模板成文 → 全量行内引用 → 自检五大反模式。若以 cron 定时运行热记忆脉冲务必带上--source slug或GBRAIN_SOURCE避免游标错位若 google 来源同步超时先执行waiting报出的gbrain sync --source id再重试。所有命令均可加--json以便 Agent 程序化消费而gbrain init --mcp-only的瘦客户端会自动把 salience、anomalies、recall 等调用路由到远端脑库简报技能在本地与远程两种部署形态下行为一致。赞分享人工智能RAGAgent 记忆MCP 服务知识管理【免费下载链接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain项目地址https://gitcode.com/gh_mirrors/gb/gbrain点击查看免费下载相关推荐用 ADK Skill 打造位置 × 时间每日简报YouTube Analyst Agent 的 daily-briefing 技能全解析用 ADK Skill 打造位置 × 时间每日简报YouTube Analyst Agent 的 daily briefing 技能全解析 导读 dail示例工程OpenHuman Morning Briefing Agent从 prompt.md 到定时投递的每日晨报实现全解OpenHuman Morning Briefing Agent从 prompt.md 到定时投递的每日晨报实现全解 Morning Briefing 是人工智能AI 应用本地部署AI Agent交互助手深度研究彻底解决Cppcheck误报基于上下文的精准抑制规则实战指南彻底解决Cppcheck误报基于上下文的精准抑制规则实战指南 你还在为Cppcheck误报烦恼吗 当你在大型C/C项目中集成Cppcheck静态分析工具开发工具静态分析代码质量质量保障上一篇微软Bot Framework Web Chat构建智能对话体验的利器下一篇SoFixer架构解析ELF文件结构修复的3大关键技术shdr、phdr、重定位创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考