OpenHuman：你的私人AI超级智能助手

这是什么

OpenHuman 是一个基于 Rust 构建的开源个人 AI 智能体（Agentic Assistant）框架。它定位为“个人 AI 超级智能”，旨在通过本地优先（Local-first）的架构，将 AI 深度融入用户的日常生活和工作流中。

该项目由 tinyhumansai 维护，目前处于早期 Beta 阶段，Stars 数已突破 28,800+。其核心理念是“本地记忆 + 按需托管服务”：核心数据（记忆树、Markdown 知识库、工作区配置、运行时状态）完全存储在用户本地机器上，而账户登录、模型路由、网络搜索代理等需要外部交互的服务则通过托管后端（Managed Services）或用户自定义配置提供。它采用 Tauri 构建桌面应用，支持 macOS、Linux 和 Windows。

解决的问题

传统 AI 助手或 Agent 框架通常面临以下痛点，OpenHuman 旨在逐一解决：

1. 冷启动与上下文缺失：大多数 Agent 是“冷启动”的，需要数天甚至数周的时间通过插件或手动提示来积累关于用户工作栈（Stack）的上下文。OpenHuman 通过自动抓取和记忆树技术，在首次同步后即可拥有用户的完整压缩上下文。
2. 数据孤岛与隐私顾虑：用户数据分散在 Gmail、Notion、GitHub 等不同平台，且往往存储在云端。OpenHuman 将数据拉取到本地，通过 SQLite 和 Obsidian 兼容的 Markdown 格式存储，确保数据主权和隐私。
3. Token 成本高昂与延迟：将原始邮件、长文档或复杂搜索结果直接发送给 LLM 会导致极高的 Token 消耗和推理延迟。OpenHuman 引入了 Token 压缩机制，大幅降低处理成本。
4. 配置复杂：许多开发者工具要求用户先进行复杂的终端配置或代码设置。OpenHuman 提供“UI 优先”的极简安装和引导流程，无需终端即可快速上手。

核心功能

• Memory Tree（记忆树）与本地知识库：
  • 将所有连接的数据源（邮件、日历、文档等）规范化为不超过 3k Token 的 Markdown 片段。
  • 这些片段经过评分并折叠成层级摘要树，存储在本地 SQLite 数据库中。
  • 同时生成与 Obsidian 兼容的 .md 文件库，用户可直接在 Obsidian 中浏览、编辑和关联知识，灵感来源于 Andrej Karpathy 的 Obsidian Wiki 工作流。
• 118+ 第三方集成与自动获取（Auto-fetch）：
  • 支持 Gmail、Notion、GitHub、Slack、Stripe、Google Calendar、Drive、Linear、Jira 等主流工具的一键 OAuth 连接。
  • 核心进程每 20 分钟自动轮询活跃连接，将最新数据拉取并注入记忆树，无需用户编写轮询逻辑或提示词。
  • 集成通过 Composio 连接器层管理，支持托管代理模式或用户自托管 Composio API 的直接模式。
• 智能 Token 压缩（TokenJuice）：
  • 在数据进入 LLM 之前，自动执行 HTML 转 Markdown、URL 缩短、冗长输出去重和摘要。
  • 保留 CJK（中日韩）、Emoji 等多字节文本的图元完整性，不进行截断。
  • 据称可将 Token 消耗和延迟降低高达 80%。
• 拟人化桌面体验：
  • 拥有桌面吉祥物（Mascot），具备面部表情、语音交互能力。
  • 支持实时语音合成（TTS）和唇形同步，可接入 Google Meet 作为真实参与者。
  • 即使在用户停止输入后，Agent 仍会在后台持续思考和处理任务。
• 全栈内置工具集：
  • 默认集成网络搜索、网页抓取、完整代码工具集（文件系统、Git、Lint、测试、Grep）。
  • 原生支持语音输入（STT）和输出（ElevenLabs TTS）。
  • 支持通过 Ollama 运行本地 AI 模型，满足离线或隐私敏感场景需求。

亮点 / 与同类相比

• 极速上下文构建：与 OpenClaw 等待插件传输上下文或 Hermes 观察用户工作不同，OpenHuman 在第一次同步周期内即可通过自动拉取和压缩，赋予 Agent 对收件箱、日历、代码库和消息记录的完整（压缩后）上下文，消除了漫长的“训练期”。
• 本地优先的混合架构：虽然提供托管服务以简化 OAuth 和模型路由，但核心记忆和数据始终保留在本地。这与完全云端的 Agent 服务形成鲜明对比，平衡了便利性与隐私。
• TokenJuice 压缩技术：大多数 Agent 直接透传原始数据，而 OpenHuman 内置了预处理层，在保持多语言完整性的同时大幅削减 Token 用量，直接降低 API 成本和响应延迟。
• 无缝的 Obsidian 集成：不仅将数据存入 SQLite，还同步生成标准的 Markdown 文件。这意味着用户可以使用 Obsidian 等现有知识管理工具直接查看和编辑 AI 生成的记忆，实现了 AI 记忆与人类知识管理的互通。
• 跨平台原生体验：基于 Rust 和 Tauri 构建，相比 Electron 应用更轻量。提供 Homebrew、APT、AUR、MSI 等多种原生包管理器安装方式，确保软件签名链的完整性。

适合谁用 / 上手

适合人群：

• 开发者与技术极客：需要深度集成 GitHub、Git、代码工具链，且关注本地隐私和数据控制的开发者。
• 知识工作者：重度使用 Gmail、Notion、Slack、Google Calendar 等工具，希望 AI 能自动整理信息、提供上下文建议的用户。
• 隐私倡导者：希望 AI 数据留在本地，仅将必要交互通过托管服务处理的用户。
• 早期体验者：愿意接受 Beta 阶段可能存在的粗糙边缘，并愿意通过 Discord 或 GitHub Issues 反馈问题的用户。

上手指南：

1. 安装：

   • macOS: brew tap tinyhumansai/core && brew install openhuman
   • Linux (Debian/Ubuntu): 添加官方签名 apt 源后 sudo apt-get install openhuman
   • Linux (Arch): 通过 AUR 安装 openhuman-bin
   • Windows: 从 GitHub Releases 下载签名的 .msi 安装包。
   • 注意：避免使用 curl | bash 脚本安装，除非你了解安全风险并需验证签名。

2. 开发者贡献：

   • 需安装 Git, Node.js 24+, pnpm 10.10.0, Rust 1.93.0 (含 rustfmt/clippy), CMake, Ninja, ripgrep 及平台桌面构建依赖。
   • 克隆仓库后，务必执行 git submodule update --init --recursive 以获取 vendored Tauri/CEF 源码。
   • 使用 pnpm dev 启动 Web UI，或使用 pnpm --filter openhuman-app dev:app 启动桌面壳层。

3. 配置：

   • 默认情况下，使用 OpenHuman 托管服务进行账户登录和模型路由。
   • 高级用户可在 config.toml 中配置本地模型（如 Ollama）或自定义 Composio 密钥。
   • 若已使用其他 Agent Memory 后端（如 agentmemory），可通过设置 memory.backend = "agentmemory" 进行代理集成。