最近在 GitHub 上看到一个项目，Star 数已经飙到 11.6k，Fork 超过 1k，光 Commits 就有快 2000 条——它叫 OpenHuman，定位是"你的个人 AI 超级智能"。

但真正让我停下来仔细看的，不是这些数字，而是一句话：

"大多数智能体从零开始——你需要花费数天甚至数周时间，智能体才能对你的技术栈有足够的了解从而真正发挥作用。"

这句话戳中了多少人的痛处？

它解决什么问题？

说白了：现在的 AI 都有一个共同的致命缺陷—— stateless（无状态）。

你发一段 prompt，它回一段回答，然后上下文就"蒸发"了。哪怕有些助手说"我有记忆"，那也只是存几条 bullet points——那是便利贴，不是智能。

OpenHuman 的核心思路是：让 AI 真正记住你，而且记住的方式是本地优先、隐私优先。

核心功能拆解

1. 记忆树（Memory Tree）——不是向量数据库，是层级化摘要

这是最让我觉得"不一样"的设计。

你连接的所有服务（Gmail、Slack、GitHub、Notion 等），数据会以这种方式处理：

• 规范化为 Markdown 片段（不超过 3k token）
• 经过评分后折叠成层级化摘要树
• 存储在你本机的 SQLite 数据库里
• 同步生成 .md 文件到 Obsidian 兼容仓库

官方说这是受 Karpathy 的 obsidian-wiki 工作流启发。没有向量检索的黑箱，没有 Embedding 漂移的问题。

2. 118+ 第三方集成 + 自动拉取

这是另一个让我"哇"的地方。

通过一键 OAuth 接入 Gmail、Notion、GitHub、Slack、Stripe、Calendar、Drive、Linear、Jira……每个连接都以类型化工具暴露给智能体。

然后——每 20 分钟自动同步一次，不需要你写轮询循环，不需要写 Prompt。早上起来，AI 已经知道你的上下文了。

3. TokenJuice：智能压缩，最高省 80% 成本

每个工具调用、邮件正文、搜索结果，在到达 LLM 之前都会经过压缩层：

• HTML → Markdown
• 长 URL 缩短
• 非 ASCII 字符移除

官方说最多可降低 80% 的成本和延迟。这个数字很关键——上下文长度直接影响账单和响应速度。

4. 模型自动路由

OpenHuman 内置模型路由，可以根据任务类型自动分派到不同的 LLM（推理型、快速型、视觉型）。一个订阅，不用自己折腾。

5. 原生工具集，开箱即用

常见的网络搜索、网页爬虫、完整编码工具集（文件系统、git、lint、test、grep）都是内置的，不用装插件。

6. 一个有"脸"的 AI——桌面吉祥物

这是我觉得最有意思的设计细节：

• 一个桌面吉祥物，会说话、能感知周围环境
• 可以作为真实参与者加入你的 Google Meet 会议
• 跨周记住你
• 即使你停止输入，仍在后台持续思考

有点像是给 AI 赋予了"存在感"。

安装有多简单？

真的只需要几条命令：

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

Windows：

irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex

或者直接去 tinyhumans.ai/openhuman 下载 DMG / EXE 安装包。

不想自己托管？也可以用他们的云端版本。（说实话安装等待不说啥了，但是我登录用的时间比下载时间还久，科学上网还切换了好几次！）

与其他框架横向对比

我把官方 README 里的对比表整理了一下：

一个有意思的细节：兼容 agentmemory

如果你已经在用 Claude Code、Cursor、Codex 或 OpenCode，并且自托管了 agentmemory，OpenHuman 可以直接作为它的后端——同一个存储，同时服务 OpenHuman 和这些工具。

在 config.toml 里改一行就好：

memory.backend = "agentmemory"

这对已经在用其他工具链的开发者来说，过渡成本几乎为零。

当前状态

官方标注是早期测试版（Early Beta），正在活跃开发中。最近的 commit 是 2 小时前（2025年5月17日），说明维护很勤。

技术栈：Rust + Tauri，桌面端用 CEF（Chromium Embedded Framework）。

踩坑提醒

1. 自动拉取需要主动连接服务：首次使用需要手动 OAuth 授权你需要的第三方服务，虽然是一键，但如果你注重隐私，要确认好每个权限范围。
2. Obsidian 同步是双向的：你在 Obsidian 里编辑的内容会影响 AI 的记忆上下文，注意不要误删关键片段。
3. TokenJuice 压缩不可关闭：这是一个内置层，压缩策略是固定的，无法精细控制。如果你的工作流对原始格式高度敏感，可能需要评估影响。

选型建议

• 适合你：希望 AI 有持久记忆、需要接入大量第三方服务、注重本地隐私、想快速上手不想折腾配置
• 可以观望：需要极强定制能力、等待更成熟的生产级稳定版本

写在最后

OpenHuman 让我重新思考了一个问题：AI 助手需要"了解你"这件事，到底应该由谁来实现？

云端平台靠用户主动投喂数据，插件生态靠开发者贡献，而 OpenHuman 给出的答案是——让 AI 自己来，并且让它住在你家里。

说实话，记忆树 + Obsidian 同步这个设计，我目前还没在第二个产品里看到。你觉得这种"本地优先 + 自动拉取"的方案，会是 AI 助手的未来吗？

你在用 OpenHuman 或其他本地 AI 助手吗？体验如何？评论区聊聊。