配够了 Hermes Agent 的 Profile 和 Skill？试试 OpenHuman：零配置，连上就懂你

来源：htmlDecode("AI赋能说")

原文链接：https://mp.weixin.qq.com/s/QFTA5MM7BAykwpb8cGb-QQ

一篇教程。读完跟着做，你会有一个能自动读取你邮件和代码活动、构建个人记忆树、用 Obsidian 浏览的 AI 助手。
不需要写 prompt。不需要配工作流。连上账号，它自己学。

先看完成后的样子

你授权两个账号。OpenHuman 在后台自动抓取、压缩、组织。你打开 Obsidian 就能看到它学到了什么。

前提条件

macOS 或 Linux（Windows 也支持但桌面体验更适合 Mac/Linux） 一个 Gmail 账号 一个 GitHub 账号 Obsidian（可选，用来浏览记忆树）
当前版本是 Early Beta（v0.53.43）。会有粗糙的地方。做好心理准备。

阶段一：安装 OpenHuman

第 1 步：下载安装

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

或者去官网  tinyhumans.ai/openhuman [1]  下载桌面安装包。

❝
这个工具会连接你的邮件、代码仓库、日历。建议先看一眼安装脚本内容再执行，或者用官网安装包。
完成标志：桌面上出现 OpenHuman 应用图标，能正常打开。

第 2 步：首次启动 + 配置模型

打开 OpenHuman。它会引导你选择 AI 模型提供商。
选项包括 OpenAI、Anthropic、Google、OpenRouter，或本地 Ollama。
如果你只是试用，选 OpenRouter（有免费额度）。如果你在意隐私，选 Ollama 本地模型。
完成标志：能在 OpenHuman 里正常对话。

验证阶段一

✅ OpenHuman 桌面应用能打开 ✅ 模型配置完成，能正常对话

阶段二：连接数据源

第 3 步：连接 Gmail

在 OpenHuman 的设置里找到"Integrations"或"Connections"。
点击 Gmail → 跳转到 Google OAuth 授权页面 → 点击"允许"。
它只申请 ** 只读权限 ** 。不会代你发邮件。
完成标志：连接状态显示 Gmail 已连接。

第 4 步：连接 GitHub

同样在 Integrations 里，点击 GitHub → OAuth 授权。
它会读取你的仓库列表、PR、Issue、代码评审。同样是只读。
完成标志：连接状态显示 GitHub 已连接。

第 5 步：等待首次数据抓取

连接完成后，OpenHuman 会在后台开始首次数据抓取。
这个过程可能需要几分钟到十几分钟，取决于你的邮件和仓库数量。
之后它会按固定间隔自动轮询新数据。你不需要手动触发。
完成标志：在 OpenHuman 的记忆面板里能看到开始出现内容条目。

验证阶段二

✅ Gmail 和 GitHub 都显示已连接 ✅ 记忆面板里有数据条目出现

阶段三：浏览和验证记忆树

第 6 步：找到本地记忆文件

OpenHuman 会把记忆树同时写成  .md  文件。默认路径通常在：
~/.openhuman/ users\xxx\workspace\memory_tree\content\raw\xxx

或者在应用设置里查看"Vault Path"。
完成标志：能在文件系统里找到  .md  文件。

第 7 步：用 Obsidian 打开记忆树

打开 Obsidian → "Open folder as vault" → 选择 OpenHuman 的 vault 目录。
你会看到按主题、时间、来源组织的 Markdown 文件。每个文件是一个记忆节点——可能是一封重要邮件的摘要，可能是一个 PR 的技术决策，可能是一次会议的关键结论。
你可以： 搜索任何关键词 编辑或删除不想保留的记忆 用 Obsidian 的图谱视图看记忆之间的关联
完成标志：Obsidian 里能正常浏览记忆树内容。

第 8 步：验证记忆质量

跟 OpenHuman 对话，问它一个只有读过你邮件才能回答的问题。比如：
上周我和 [同事名字] 讨论的那个技术方案，最终结论是什么？

如果它能准确回答，说明记忆树在工作。
完成标志：OpenHuman 能基于你的真实数据回答问题。

验证阶段三

✅ Obsidian 能打开记忆树 ✅ 对话中能调用记忆回答问题

完整流程一览

第一次做的建议

** 先只连两个数据源。 **  Gmail + GitHub 足够验证整个流程。确认记忆树在正常工作后，再逐步加 Slack、Notion、Calendar。
** 用 Obsidian 检查记忆质量。 **  不要盲信。打开 vault 看看它到底记住了什么。如果有错误或不想保留的内容，直接删除 .md 文件。
** 第一次对话测试要问具体的事。 **  不要问"你了解我吗"这种模糊问题。问"上周三我收到的那封关于 XX 项目的邮件，对方提了什么要求"——越具体越能验证记忆是否真的在工作。

容易踩的坑

** 坑 1：OAuth 授权后数据迟迟不出现 **
为什么：首次抓取需要时间，尤其是邮件量大的账号。
怎么办：等 10-15 分钟。如果超过 30 分钟还没数据，检查应用日志或重启应用。
** 坑 2：记忆树里的摘要丢失了关键细节 **
为什么：压缩层（TokenJuice）在缩减 token 时可能砍掉了你觉得重要的信息。
怎么办：这是当前版本的已知局限。对于关键信息，建议在 Obsidian 里手动补充或标注。
** 坑 3：Obsidian 打开 vault 后文件很多很乱 **
为什么：记忆树按层级组织，但文件数量多了之后视觉上会复杂。
怎么办：用 Obsidian 的搜索功能而不是手动翻文件夹。或者用图谱视图看整体结构。
** 坑 4：想删除某条记忆但不确定会不会影响其他 **
为什么：记忆树有层级关系，删除父节点可能影响子节点的上下文。
怎么办：先在 Obsidian 里看这个文件被哪些其他文件引用。如果是叶子节点，直接删没问题。

收尾

8 步。三个阶段。一个能自动学习你工作节奏的 AI 助手。
你做的事：装应用、点两次 OAuth 授权、打开 Obsidian 看看。
它做的事：持续抓取、压缩、组织、构建记忆树。
关于 OpenHuman 为什么选择"上下文深度"而不是"能力广度"作为竞争维度——见上一篇解读。

参考资料

tinyhumansai/openhuman - GitHub [2] OpenHuman 官网 [3] knightli.com：OpenHuman — The Desktop Route for an Open-Source Personal AI Agent [4] Product Hunt：OpenHuman [5] Reference [1] 
tinyhumans.ai/openhuman:  * https://tinyhumans.ai/openhuman * [2] 
tinyhumansai/openhuman - GitHub:  * https://github.com/tinyhumansai/openhuman * [3] 
OpenHuman 官网:  * https://tinyhumans.ai/openhuman * [4] 
knightli.com：OpenHuman — The Desktop Route for an Open-Source Personal AI Agent:  * https://www.knightli.com/en/2026/05/15/openhuman-open-source-personal-ai-agent/ * [5] 
Product Hunt：OpenHuman:  * https://www.producthunt.com/products/openhuman *

** 下方是赋能君的AI学习交流永久免费星球，想学习更多内容，欢迎扫码加入。 **

**
**

🙌 如果你阅读到这里，说明我们对信息的认可区域是有一定交集的，可以说我们是同道中人，所以如果你有自认为不错的信息获取渠道，欢迎留言或者私聊我，谢谢。

都看到这里了，就给个关注吧 👀：

喜欢我的文章，可以请你右下角顺手来一波点赞&在看&分享三连么👉