桌面 AI 助手 OpenHuman 实测：3 个月 17.5k stars，记忆系统是亮点
桌面 AI 助手 OpenHuman 实测：3 个月 17.5k stars，记忆系统是亮点
来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, OpenClaw, 记忆系统, 办公效率, 编程, 大模型
原文链接： https://mp.weixin.qq.com/s/sG6xA4bFaPCRpZi90wqxAA
摘要
Rust + Tauri 构建的桌面 AI 助手，自研记忆树系统，118+ 一键集成，还能以真实身份加入 Google Meet。和 Hermes Agent 对比，看各自定位有什么不同。 OpenHuman 是一个开源桌面 AI 助手，GitHub 地址是 tinyhumansai/openhuman[1]。2026 年 2 月发布，现在 17.5k stars。我用一个下午翻了它的源码和文档，下面是我的调研结果。 ## 它解决什么问题 AI 模型本身没有记忆。你敲一段 prompt，得到一段回复，上下文就没了。即使带"记忆"功能的，存的也不过是几个要点。 OpenHuman 想解决...
核心内容
Rust + Tauri 构建的桌面 AI 助手，自研记忆树系统，118+ 一键集成，还能以真实身份加入 Google Meet。和 Hermes Agent 对比，看各自定位有什么不同。
OpenHuman 是一个开源桌面 AI 助手，GitHub 地址是 tinyhumansai/openhuman[1]。2026 年 2 月发布，现在 17.5k stars。我用一个下午翻了它的源码和文档，下面是我的调研结果。
它解决什么问题
AI 模型本身没有记忆。你敲一段 prompt，得到一段回复，上下文就没了。即使带"记忆"功能的，存的也不过是几个要点。
OpenHuman 想解决的是：让 AI 真正知道你的事，而不是每个会话从头猜。
它的做法是：把所有能接的数据源（Gmail、Slack、GitHub、Notion……）接入后，走一条确定的管道——转成 Markdown → 切成 ≤3k tokens 的块 → 打分 → 按源/主题/天维度归纳成摘要树。全部存在本地 SQLite 里。
技术栈
层
技术
核心逻辑
Rust（15.5 MB 代码）
桌面壳
Tauri v2 + Chromium Embedded Framework (CEF)
前端
React + TypeScript + Vite + Tailwind
前端包管理
pnpm
本地 AI
Ollama / LM Studio
云 AI
Anthropic、OpenAI、Google、Groq 等 30+ 提供商
集成网关
Composio（118+ 第三方服务）
数据库
SQLite + FTS5 全文搜索 + 向量嵌入 + 知识图谱
许可证
GPL-3.0
桌面壳（Tauri）内置了 Chromium 渲染引擎（CEF），不依赖系统浏览器。这个设计让它可以：
- 用 CDP（Chrome DevTools Protocol）控制网页
- 注入脚本来操作 Discord / Slack / Telegram 等网页版
- 在 Google Meet 里以真实参与者身份接入（有虚拟摄像头和虚拟麦克风）
核心功能
记忆树（Memory Tree）
这是 OpenHuman 最有差异化的功能。架构如下：
数据源 → 标准化 Markdown → ≤3k-token 分块 → 多维评分 →
每源摘要树 → 每主题摘要树 → 每日全局摘要 → SQLite 存储
同时生成 Obsidian 兼容 .md 文件
评分信号包括：交互频率、源权重、token 数量、唯一性。不依赖纯向量搜索，而是结构化分级摘要。官方说法是"最多 10 亿 tokens"的记忆容量。
每 20 分钟后台自动抓取一次已连接的数据源，新内容自动进入管道。
桌面角色（Mascot）
一个在桌面上显示的角色，有面部表情，能说话，会对环境做反应。它能：
- 语音对话（Native TTS/STT）
- 以真实参与者身份加入 Google Meet（有自己的画面和声音）
- 在后台持续思考（Subconscious Loop）
- 关掉 App 窗口后仍然运行
从代码看，实现了虚拟摄像头注入、音频桥接、字幕监听、主动发言，一套完整的会议交互管道。
118+ 第三方集成
通过 Composio 网关做 OAuth 一键连接。在代码里看到了 Gmail、Slack、Discord、Telegram、WhatsApp、Google Calendar、Google Drive、GitHub、Notion、Linear、Jira、Stripe 等。
每个集成暴露为类型化的工具，有单独的触发器（比如新邮件自动触发摘要）。
模型路由
根据任务类型自动选择模型：
提示前缀
用途
hint:reasoning
多步推理、规划
hint:agentic
通用 Agent 任务
hint:coding
代码生成
hint:summarization
摘要、轻量任务
路由表可以在运行时修改，不用重启核心进程。
原生工具
以下工具开箱就有，不需要额外配置：
- Web 搜索 + 网页内容抓取
- 代码编辑（读文件、写文件、补丁、全文搜索、Git 命令）
- 浏览器控制 + 桌面控制（CDP + 截图）
- Cron 定时任务
- 子代理调度（派生子任务、并行 agent）
- 记忆工具（存储/召回/遗忘）
- TTS 语音输出
- MCP 客户端 + MCP 服务器
智能 Token 压缩（TokenJuice）
代码里有一个独立的 tokenjuice 模块，实现了智能压缩，降低推理成本。
价格
从代码看，OpenHuman 使用 Stripe 订阅制 + 信用点充值：
- 有计划层级：pro、enterprise
- 支持信用点按需充值（top-up）
- 支持自动充值（auto-recharge）
- 支持优惠券兑换
具体价格在后端服务里，不在开源代码中。官网主页只说 "One Subscription. That's it."
架构特点
核心逻辑（Rust）以进程内任务（tokio task）运行在 Tauri 壳里，前后端通过 HTTP JSON-RPC 通信，端口随机分配，请求头带单次启动的 Bearer Token。
没有独立的后端侧车进程（sidecar），前端关了核心也关了。核心功能通过 RPC 暴露给前端，前端只负责展示和交互编排。
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
也可以在官网 tinyhumans.ai/openhuman[2] 下载 DMG / EXE。
与 Hermes Agent 的对比
下面从几个关键维度看两者的差异和各自的定位。
形态与使用场景
OpenHuman
Hermes Agent
形态
桌面 GUI App（Tauri）
CLI + TUI + 消息平台网关
适用场景
个人桌面助手、"私人 AI 超级智能"
开发、运维、自动化、多平台消息
安装
下载安装包 / 一行脚本
pip install hermes-agent / 安装脚本
启动
点图标开 App
终端敲 hermes
OpenHuman 是桌面 App——你安装完、登录、接上数据源，它就一直在后台跑着，桌面有个角色时不时看一下。Hermes Agent 是终端工具——你要用就敲命令，也可以用网关挂在 Telegram/Discord/飞书上。
...(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