GitHub 9000+ Star的OpenHuman火了，我用它把AI助手从"智障"变"智囊"

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, OpenClaw, 记忆系统, 电商, 办公效率, 网络安全, 编程, 机器人, 大模型
原文链接： https://mp.weixin.qq.com/s/c2vOyiQRqalQw5hkis35Dw

摘要

一用ChatGPT复盘工作时，它永远不记得你上周做了什么。想让AI帮你整理邮件，每次都得手动复制粘贴。这就是现在AI助手最大的问题——用完就忘，上下文永远是碎的。它能回答你的问题，但记不住你的偏好，理解不了你的工作流，更别说主动调用你日常用的那些工具了。 TechTimes 5月份刚出的报告说，78%的知识工作者都在吐槽这个"用完即忘"的毛病。大家早就不满足于一个只会聊天的工具了，想要的是一个真正了解自己、能帮自己处理实际事务的个人AI。 OpenHuman就是在这个节点冒出来的。Tiny Humans AI团队做的这个开源项目，两个月拿了9000多GitHub星，连续几周霸榜T...

核心内容

一

用ChatGPT复盘工作时，它永远不记得你上周做了什么。想让AI帮你整理邮件，每次都得手动复制粘贴。这就是现在AI助手最大的问题——用完就忘，上下文永远是碎的。它能回答你的问题，但记不住你的偏好，理解不了你的工作流，更别说主动调用你日常用的那些工具了。

TechTimes 5月份刚出的报告说，78%的知识工作者都在吐槽这个"用完即忘"的毛病。大家早就不满足于一个只会聊天的工具了，想要的是一个真正了解自己、能帮自己处理实际事务的个人AI。

OpenHuman就是在这个节点冒出来的。Tiny Humans AI团队做的这个开源项目，两个月拿了9000多GitHub星，连续几周霸榜Trending第一。我花了一周时间研究它的代码和文档，发现这东西真的可能是AI助手的下一个方向。

二

OpenHuman不是又一个ChatGPT套壳。准确说，它更像一套面向个人的AI操作系统。

和其他AI助手最大的不同是，它有记忆。不是那种会话级别的临时记忆，而是能持久保存的个人记忆系统。它不是一个需要你打开浏览器才能用的聊天窗口，而是一个常驻你桌面的智能体。记住你的偏好，自动同步你的日历、邮件、文档、任务管理系统，根据不同任务自动选最合适的AI模型，甚至能自己搜网页、读文件、写代码、语音交互。

技术栈用的是Rust加Tauri，和现在主流的Python系AI平台不一样。Rust保证了内存安全和性能，Tauri不用内嵌Chromium，直接调用系统原生的WebView。官方给的数据是，内存占用只有同类Electron应用的三分之一，启动速度快了两倍。

更关键的是它的隐私设计。所有数据都存在本地的SQLite数据库里，AES加密。AI推理可以用本地的Ollama模型完全离线跑，OAuth令牌也只存在本地，根本不经过OpenHuman的服务器。这和现在那些把你所有数据都传到云端建索引的AI助手完全是两个路数。

截到5月16号，OpenHuman在GitHub上有9200颗星，1800多次提交，120多个活跃贡献者，用的是GPL-3.0开源协议。

三

OpenHuman的能力主要来自六个核心模块。

第一个是Memory Tree，三层树状记忆架构。这也是它最有创新性的设计。没有用传统的向量数据库黑盒，而是做了一个确定性的分层摘要树。你所有的数据源——Gmail邮件、GitHub的PR、Notion页面、Slack消息——都会走同一个处理管道：先标准化（HTML转Markdown、缩短URL、去掉非ASCII字符），然后分块（每块不超过3000token），再按时效性、相关性、出现频率打分，最后建成层次化的摘要树。

这三层树分别是：来源树（每个数据源自己的滚动缓冲区，用来查某个应用的完整时间线）、主题树（按热度算法给高频实体建的摘要树，用来追踪某个项目、人或者关键词的变化）、全局树（每天UTC时间生成的全局摘要，用来回答"今天发生了什么"这种跨应用的问题）。

所有记忆块还会同时存成.md文件，放到和Obsidian兼容的Vault里，你直接用Obsidian就能打开、浏览、编辑。这个设计灵感来自Karpathy今年4月提的LLM Knowledge Base概念，等于把AI的记忆从黑盒变成了你能直接访问和修改的知识体系。

第二个模块是Auto-Sync，118个第三方应用的OAuth集成加20分钟自动同步。一键就能连Gmail、Outlook、Slack、Notion、Linear、Jira、GitHub、GitLab、Google Drive、Dropbox、Google Calendar、Stripe、HubSpot这些主流生产力工具，核心引擎每20分钟自动拉一次新数据，直接进Memory Tree。不用你手动"告诉"AI发生了什么，它自己会去看。

第三个是TokenJuice，智能压缩。每次工具调用、网页抓取、邮件、搜索结果，在进大模型之前都会过这个压缩层。HTML转成纯Markdown，长URL缩短，去掉表情符号和特殊字符，去重导航栏、页脚、广告这些冗余内容，只提取标题、正文、元数据。官方说这个压缩能把成本和延迟降80%。对经常调用大模型的智能体来说，这一个模块就能把每月API成本砍半甚至更多。

第四个模块是Model Routing，智能模型路由。不同的任务自动走不同的模型：写代码、做架构设计这种复杂推理，就给o3、Claude Opus这种推理模型；查数据、格式转换这种简单任务，就给GPT-4o-mini、Haiku这种快模型；分析图片截图，就给GPT-4V、Claude Vision这种视觉模型；完全离线的场景就用本地Ollama模型。

第五个是Sub-Agent System，多智能体协作。从代码里能看到专门的子智能体设计，每个都有自己的TOML配置和Markdown提示。协调器负责把任务分到正确的子智能体，管理整个对话流；规划师把复杂任务拆成可执行的步骤；研究员从集成的应用和网络搜集信息；编码器调用文件系统、git、lint、测试工具写代码；摘要器把长输出压缩；档案管理员管Memory Tree；评论家评估输出质量，提改进建议。

第六个是Desktop Mascot，桌面吉祥物。这不只是个UI装饰，实际上是后台智能体的交互界面。它能以参与者身份加入Google Meet，实时记录讨论；你工作的时候它在后台定时同步数据；根据日历和任务主动提醒你快到截止日期了；有自己的个性和记忆，不是那种无状态的"帮助机器人"。

四

把OpenHuman和现在市面上的主流AI平台比一比，定位就很清楚了。

先看Coze，字节做的那个零代码Agent平台。优点很明显：对话体验好，语音识别和对话流畅度都不错；插件生态全，数据库、网页爬取、API扩展、拖拽工作流都有；界面友好，非技术人员也能上手；还能直接发布到豆包、飞书、抖音这些平台。缺点也同样明显：定制化能力弱，主要就是做标准化的Bot；复杂任务的扩展性不好；只能云端部署，不能私有化。

OpenHuman相比Coze的优势是：能本地化部署保护数据隐私；开源代码可以随便改，定制化能力强；有持久记忆系统，真的能记住用户的偏好和历史；第三方集成更多。但Coze在零代码开发和国内生态支持上还是领先很多。

再看GPTs Store，OpenAI的那个。优点是基础模型强，不用写代码，通过对话就能创建定制化的GPT，应用生态也丰富。但缺点是定制程度有限，主要就是调Prompt和上传知识库；复杂任务的执行能力比专门的Agent平台差很多；没有持久记忆，也做不到跨应用集成。

OpenHuman和GPTs Store本质上定位就不一样。GPTs Store是个"模型商店"，让用户创建和分享定制化模型；OpenHuman是个"个人AI操作系统"，让AI真正理解和融入用户的数字生活。GPTs Store里的每个GPT都是独立、无状态的，OpenHuman的智能体是持久、有记忆、和用户整个数字生态深度集成的。

还有阿里的灵光，主打企业级场景。优点是企业级集成能力强，和阿里云生态融合得好，安全合规体系完善，有企业级的技术支持。O

...(内容截断，完整内容请查看原文)

本页由自动化脚本生成，待人工审核补充