请先登录
请先登录

刚出现的OpenHuman,能撼动Hermes地位吗

157 字

刚出现的OpenHuman,能撼动Hermes地位吗

来源:htmlDecode("科技奇遇寨")

原文链接:https://mp.weixin.qq.com/s/6HRNQlkm3Q7bhWySd00wZg


先问个问题:你装过几个AI助手?
装完之后,它们了解你吗?
大多数AI助手装完是"冷启动" ——从头开始,没有任何记忆。你用几周时间反复告诉它你的工作习惯、项目背景,它才开始有那么一点点像"你"。
能不能下载下来就很了解你呢
OpenHuman 就是来解决这个的。
** OpenHuman 是什么? **
一个开源的 个人AI超智能助手 ,Rust写的跨平台桌面应用。最近突然爆火冲上github榜单前十。
也就是说,他再也不用像其他 AI 助手一样一点一点的“喂”, 装完几分钟,AI就能了解你,而不是几周。
• 主语言: ** Rust ** (Tauri框架,跨平台Win/Mac/Linux)
•  ** 118+ OAuth集成 ** :Gmail、Notion、GitHub、Slack、Calendar、Drive、Linear、Jira……一键连接
•  ** Memory Tree ** :把118个服务的数据自动压缩进本地SQLite + Obsidian笔记库
•  ** TokenJuice ** :压缩层,官方标称节省80% token
• 许可证: ** GPL-3.0 ** (比MIT更开源)
官网:tinyhumans.ai/openhuman

** 它的核心思路:Auto-Fetch **
大多数Agent是"你问我答"——你把上下文给它,它才能工作。
OpenHuman 的逻辑不一样: ** 每20分钟,自动从你连接的服务里拉取最新数据,本地压缩,进记忆树。 **
你早上到公司,AI已经知道你昨晚收到了什么邮件、新增了什么文档、Slack里有什么讨论。它不是在等你问,而是 ** 主动把明天的上下文在今天早上就准备好了。 **
你什么都不用做。连接OAuth之后,Auto-Fetch 自动跑。
** Memory Tree:本地记忆系统 **
拉过来的数据不会堆在聊天记录里。它经过两道处理:
** 第一道:TokenJuice 压缩 **
HTML转Markdown、长URL缩短、非ASCII字符清理。每条数据压缩到原文的20%大小再喂给LLM。
** 第二道:Memory Tree 总结树 **
压缩后的数据被切分成≤3k-token的块,打分,折叠成层级总结树,存进本地SQLite。
同时,同一份数据会以 .md 文件的形式写进一个 ** Obsidian兼容的笔记库 ** ,
你可以直接打开Obsidian查看、编辑、搜索AI在"想什么"。
你的数据存在你自己的机器上,不上云。
** 界面一览 **
OpenHuman 是一款桌面应用,不是纯CLI。有桌面 mascot(一个会说话、会做出反应的虚拟形象),能加入Google Meet当真实参与者,有本地语音(STT进,ElevenLabs TTS出)。
** 和其他Agent对比 ** 功能 Claude Cowork OpenClaw Hermes OpenHuman 开源 🚫 闭源 ✅ MIT ✅ MIT ✅ GPL 上手难度 桌面+CLI 终端优先 终端优先 桌面优先,几分钟上手 记忆 聊天范围 依赖插件 自学习 Memory Tree + Obsidian 集成 少量 自建 自建 ** 118+ OAuth ** Auto-Fetch ❌ ❌ ❌ ** ✅ 20分钟自动同步 ** 本地优先 部分 部分 部分 ** ✅ 数据存在机器上 **
最大的差异: ** Auto-Fetch + Memory Tree + Obsidian ** ,三者组合是其他产品没有的。
** 安装方式 **
** 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
或者直接去官网下载安装包:tinyhumans.ai/openhuman
** 最后 **
OpenHuman 现在还是 Early Beta 状态,官方说了"Expect rough edges",问题肯定是有一些的。
但它的思路有意思: ** 不是让AI等你喂上下文,而是让AI主动从你的生活里把上下文捞出来。 **
118个服务,20分钟一次,Obsidian里存一份,SQLite里存一份。本地优先。
用不用得上,看你有多少数据要管。但这个方向,确实值得试试。
** 几分钟"懂你",而不是几周。 **
** 关注我,每天分享科技作品。 **