OzBrain: współdzielona baza wiedzy łącząca agentów AI z zespołem

Rosnąca liczba wyspecjalizowanych asystentów wykorzystywanych w codziennej pracy doprowadziła do zjawiska fragmentacji wiedzy. Użytkownicy zmuszeni są do ciągłego powtarzania instrukcji, a agenci AI działający w różnych aplikacjach operują na odizolowanych wycinkach danych. Odpowiedzią na ten problem jest OzBrain – platforma stanowiąca wspólną warstwę pamięci i bazy wiedzy (tzw. brain layer), z której jednocześnie mogą korzystać zarówno członkowie zespołu, jak i zewnętrzne systemy sztucznej inteligencji.

Projekt tworzy ustrukturyzowane repozytorium, które eliminuje konieczność wielokrotnego wprowadzania tych samych ustaleń do odrębnych narzędzi. Rozwiązanie integruje się bezpośrednio ze środowiskami pracy, dając każdemu modelowi dostęp do jednego, zawsze aktualnego źródła prawdy.

Koniec z ręcznym przenoszeniem plików: problem silosów kontekstowych

Dotychczasowa praktyka korzystania z wielu narzędzi AI wymaga nieustannego przenoszenia kontekstu: kopiowania briefów do Claude, wklejania założeń do ChatGPT czy dołączania plików .md w edytorze Cursor. W miarę postępu prac dokumenty ulegają rozproszeniu – różne wersje tego samego planu trafiają do Google Drive, komunikatora Slack, poczty e-mail czy pamięci lokalnych komputerów. Gdy jedna kopia zostanie zaktualizowana, pozostałe tracą spójność, prowadząc do dryfu decyzyjnego.

Drugim wyzwaniem są ograniczenia pamięci wbudowanej bezpośrednio w platformy komercyjne (np. ChatGPT Memory czy profile Claude). Mechanizmy te gromadzą zazwyczaj jedynie proste preferencje formatowania, krótkie wycinki czatów i pobieżne podsumowania. OzBrain przenosi ciężar z zapamiętywania luźnych preferencji na zarządzanie faktyczną pracą: ustrukturyzowanymi artykułami obejmującymi projekty, badania, warunki współpracy z klientami oraz rejestry decyzji.

Wzorzec Andreja Karpathy'ego: wiedza utrzymywana przez algorytmy

Koncepcyjnym fundamentem projektu jest spostrzeżenie, które sformułował Andrej Karpathy (współzałożyciel OpenAI, związany również z zespołem R&D Anthropic): „Humans abandon wikis because the maintenance burden grows faster than the value” (Ludzie porzucają wiki, ponieważ koszt ich utrzymania rośnie szybciej niż wartość, którą dostarczają). Tradycyjne bazy wiedzy tworzone przez ludzi stają się nieaktualne, gdy nakład pracy potrzebny do ich pielęgnacji przewyższa korzyści z ich posiadania.

OzBrain implementuje ten wzorzec w praktyce, przekazując odpowiedzialność za systematyzację i aktualizację zasobów samym modelom. W efekcie to agenci AI na bieżąco uzupełniają bazę o wnioski z przeprowadzonych zadań i dbają o świeżość zgromadzonych informacji.

Architektura spójności: routing, kontrola sporów i automatyczny refaktoring

Aby współdzielone repozytorium nie przekształciło się w nieuporządkowany zbiór notatek, platforma opiera się na czterech zautomatyzowanych mechanizmach utrzymania spójności:

1. Automatyczny routing: Nowe informacje są samoczynnie kierowane do właściwych artykułów (np. ustalenia dotyczące klienta trafiają bezpośrednio do clients/meridian, a zasady stylu do sekcji voice), co zwalnia użytkownika z konieczności manualnego projektowania drzewa katalogów.
2. Wykrywanie i wstrzymywanie konfliktów: W sytuacji, gdy proponowany przez model zapis stoi w sprzeczności z obowiązującym kanonem wiedzy (np. agent próbuje zapisać stawkę subskrypcyjną $49/mo, podczas gdy baza rejestruje $29/mo), operacja zostaje wstrzymana do momentu rozstrzygnięcia sporu.
3. Pełna proweniencja zmian: System rejestruje dokładną historię edycji wraz z atrybucją konkretnego agenta i znacznikiem czasu (np. wersja v14 wygenerowana przez claude-code, v13 przez chatgpt, a v12 przez cursor).
4. Dynamiczny refaktoring: Gdy dany dokument rozrasta się do rozmiarów utrudniających efektywne przetwarzanie (np. plik architektury o objętości ~56k tokenów i 221 KB), OzBrain automatycznie dzieli go na mniejsze, powiązane logicznie jednostki (architecture/overview, architecture/deploy). Dzięki temu agenci pobierają do okna kontekstowego wyłącznie te sekcje, których wymaga bieżące zadanie.

Integracja przez protokół MCP i uniwersalny ekosystem narzędzi

Połączenie z bazą nie wymaga pisania dedykowanego kodu ani instalowania dodatkowych pakietów. OzBrain działa jako punkt końcowy standardu Model Context Protocol (MCP) dostępny pod adresem https://ozbrain.com/api/mcp.

Konfiguracja sprowadza się do dodania konektora w ustawieniach wybranego środowiska oraz autoryzacji konta jednorazowym kodem przesłanym na adres e-mail, co zajmuje poniżej dwóch minut. Z bazy mogą korzystać m.in. Claude, ChatGPT, Claude Code, Cursor, OpenClaw, Hermes Agent oraz Gemini Spark (na rynkach objętych dostępnością), a także dowolny klient implementujący standard konektorów.

Prywatność, szyfrowanie i suwerenność informacji

Przechowywanie wiedzy operacyjnej przedsiębiorstwa wymaga rygorystycznych gwarancji bezpieczeństwa. Zawartość bazy OzBrain jest zabezpieczona w spoczynku za pomocą szyfrowania kopertowego (envelope encryption) powiązanego z unikalnym kluczem konta. Deszyfracja następuje wyłącznie na potrzeby obsługi zapytań agentów lub zadeklarowanych procesów konserwacyjnych.

Na poziomie bazy danych PostgreSQL wymuszona jest izolacja dzierżawców za pośrednictwem mechanizmu Row-Level Security (RLS). Każdy odczyt i zapis jest odnotowywany w dzienniku audytowym, który użytkownik może w dowolnym momencie wyeksportować do pliku CSV. Usługa gwarantuje brak wykorzystywania danych do trenowania modeli oraz brak odsprzedaży informacji podmiotom trzecim. Użytkownik zachowuje pełną własność materiałów – całą zawartość można w każdej chwili pobrać w formacie czystego Markdownu (brain-export.zip), a usunięcie konta oznacza twarde, nieodwracalne skasowanie danych (hard delete).

Modele subskrypcyjne i limity artykułów

Platforma udostępnia darmowy plan startowy oraz pakiety komercyjne dostosowane do skali prowadzonych przedsięwzięć. We wszystkich wariantach odczyty i zapisy pozostają nielimitowane.

Dane: ozbrain.com

Podsumowanie: nowa warstwa infrastruktury dla zespołów pracujących z AI

OzBrain wpisuje się w wyraźny trend rynkowy polegający na przechodzeniu od pojedynczych asystentów tekstowych ku złożonym środowiskom wieloagentowym. Zamiast budować kolejne odizolowane repozytoria dokumentacji, narzędzie traktuje bazę wiedzy jako dynamiczny układ scalający kontekst ludzi i modeli AI. Automatyzacja routingu, kontrola konfliktów oraz bezpośrednia obsługa protokołu MCP wskazują kierunek, w którym systemy sztucznej inteligencji przestają być jedynie pasywnymi odbiorcami promptów, a stają się aktywnymi kuratorami pamięci organizacyjnej.