用途：把来自邮件、网页或 API 的非结构化信息，整理为可持续维护的结构化追踪页。适用于用户想追踪邮件、网页或 API 数据的场景，如搜索、追踪、从邮件提取、搭建追踪表，或涉及投资人更新、捐款、公司指标、监管文件，以及需要定时采集（配合 cron 配方）。
主要能力：内置七阶段流水线。阶段1推断研究目标并定义配方，可选内置的 investor-updates、expense-tracker、company-updates，或自定义来源查询、分类规则、提取模式、追踪页路径与格式；配方为 YAML 文件，位于 ~/.gbrain/recipes/{name}.yaml。阶段2先查已有数据，再经凭据网关做窗口化邮件查询，并通过搜索获取公开文件、新闻稿、监管数据，或按配方调用 API，支持 PDF 提取与 HTML 剥离。阶段3优先用确定性规则分类，LLM 兜底并记录以便改进。阶段4强调提取完整性：先保存原始来源，再优先用确定性规则提取，批量结果须从已保存文件重读，避免依赖 LLM 工作记忆。阶段5用 put_raw_data 保存邮件正文和 API 响应，用 file_upload 保存 PDF 等附件，大文件建立 .redirect.yaml 指针，每条追踪记录须回链原始来源。阶段6去重：完全相同跳过，模糊匹配（相同实体与日期、金额近似）标记复核，同实体同日期金额不同则加注追加。阶段7解析现有 markdown 表格追踪页，按年份/季度/实体分组追加，计算累计值，并对提及的人物、公司回链到对应页面。
用法与限制：需先准备配方文件，可复制内置配方修改字段。输出为 markdown 表格，含日期、公司、指标与来源链接，底部有累计值。遵循引用与回链规范。资料未提供安装命令、收费与价格、具体平台支持范围。反模式包括：批量处理后依赖 LLM 工作记忆处理金额、创建无原始来源链接的追踪条目、不去重导致重复计数、在流水线代码中硬编码来源专用模式。