OpenHuman：本地优先的个人 AI 代理

简介

个人 AI 助手有一个根本性的矛盾：它需要访问你的所有数据（邮件、日历、笔记、聊天记录）才能有用，但把数据交给云端服务又让人不放心。

OpenHuman 的做法是本地优先。它的核心记忆系统（Memory Tree）把用户数据规范化为 Markdown 分块，存储在本地 SQLite 中，同时兼容 Obsidian vault 格式。云端服务只用于账户登录、模型路由、搜索代理和 OAuth 流程——用户也可以自带模型和搜索凭证实现完全本地化。

32k stars，Rust + Tauri 构建，118+ 第三方集成（Gmail、Notion、GitHub、Slack、Stripe 等），还有桌面宠物和原生语音。这是一个野心勃勃的项目。

项目概览

核心功能

Memory Tree + Obsidian Wiki

用户数据被规范化为不超过 3000 token 的 Markdown 分块，存储在本地 SQLite 中，同时兼容 Obsidian vault 格式。用户可以直接在 Obsidian 中浏览自己的记忆树。

118+ 第三方集成

通过 Composio 连接器层，支持一键 OAuth 接入：

• 邮件：Gmail、Outlook
• 笔记：Notion、Obsidian
• 开发：GitHub、GitLab、Linear、Jira
• 沟通：Slack、Discord
• 日历：Google Calendar
• 存储：Google Drive、Dropbox
• 支付：Stripe
• 等等

Auto-fetch 自动拉取

每 20 分钟自动从已连接服务拉取最新数据，注入 Memory Tree，并生成层次化摘要树（灵感来自 Karpathy 的 obsidian-wiki 工作流）。

TokenJuice 智能压缩

自研 token 压缩技术，号称可将 LLM 调用成本和延迟降低最高 80%。

桌面宠物（Desktop Mascot）

带有面部表情的桌面角色，能说话、对周围环境做出反应，甚至可以以真实参与者身份加入 Google Meet 会议。

原生语音

• 输入：STT（语音转文字）
• 输出：ElevenLabs TTS（文字转语音）
• 支持宠物口型同步和 Google Meet 实时代理

Model Routing 模型路由

OpenHuman 后端自动选择并代理最合适的 LLM，用户无需手动选模型。

快速上手

安装

macOS（Homebrew，官方推荐）

brew tap tinyhumansai/core
brew install openhuman

Linux（Debian/Ubuntu APT）

sudo apt-get install -y --no-install-recommends gnupg2 curl ca-certificates
curl -fsSL https://tinyhumansai.github.io/openhuman/apt/KEY.gpg \
  | sudo gpg --dearmor -o /etc/apt/keyrings/openhuman.gpg
echo "deb [signed-by=/etc/apt/keyrings/openhuman.gpg arch=amd64] \
  https://tinyhumansai.github.io/openhuman/apt stable main" \
  | sudo tee /etc/apt/sources.list.d/openhuman.list
sudo apt-get update && sudo apt-get install -y openhuman

Linux（Arch AUR）

yay -S openhuman-bin

Windows

从 GitHub Releases 下载签名的 .msi 安装包。

首次使用

1. 启动 OpenHuman
2. 登录账户（或跳过，使用本地模式）
3. 连接服务（Gmail、Notion 等）
4. 等待首次数据同步（可能需要几分钟）
5. 开始对话

架构与原理

整体架构

Memory Tree 机制

Memory Tree 是 OpenHuman 的核心。它的工作流程：

1. 数据拉取
   └─ Auto-fetch 每 20 分钟从已连接服务拉取最新数据

2. 数据规范化
   └─ 将不同格式的数据（邮件、笔记、代码提交等）转换为 Markdown

3. 分块
   └─ 按语义边界分块，每块不超过 3000 tokens

4. 评分
   └─ 对每块数据打分（重要性、时效性、相关性）

5. 层次化摘要
   └─ 生成摘要树，低分数据被折叠为摘要

6. 存储
   └─ 写入本地 SQLite + Obsidian vault

7. 检索
   └─ 对话时，根据上下文检索相关记忆块

TokenJuice 压缩

TokenJuice 是 OpenHuman 的自研压缩技术。它的核心思路是：

原始上下文（可能数万 tokens）
  ↓
识别冗余信息（重复、无关、低重要性）
  ↓
压缩为关键信息（保留语义，减少 tokens）
  ↓
发送给 LLM（成本降低 80%）
  ↓
LLM 返回结果

具体实现未公开，但据 README 描述，它结合了：

• 语义去重
• 重要性过滤
• 摘要压缩
• 上下文窗口优化

数据流

Model Routing

OpenHuman 不绑定特定的 LLM。它的 Model Routing 机制会根据任务类型自动选择最合适的模型：

• 简单对话：用小模型（快速、低成本）
• 复杂推理：用大模型（Claude Opus、GPT-4o）
• 代码生成：用代码特化模型
• 本地模型：支持 Ollama、LM Studio 等

用户也可以手动指定模型，或完全使用本地模型实现离线使用。

关键设计决策

1. 为什么用 Rust + Tauri？

Rust 性能优秀，内存安全，适合处理大量数据的本地应用。Tauri 比 Electron 更轻量（内存占用小 50%+），且可以用系统原生 WebView。

2. 为什么兼容 Obsidian？

Obsidian 是一个流行的本地优先笔记工具，拥有大量忠实用户。兼容 Obsidian vault 格式意味着用户可以直接在 Obsidian 中浏览自己的记忆树，不需要额外工具。

3. 为什么用 Composio 做集成？

Composio 是一个统一的 OAuth 连接器层，支持 118+ 服务。用它而不是自己实现每个集成，大大降低了开发成本。

4. 为什么每 20 分钟拉取一次？

频率太低，数据不新鲜；频率太高，消耗 API 配额和带宽。20 分钟是一个折中。

5. 为什么桌面宠物是核心功能？

桌面宠物不只是一个”可爱”的功能，它是 OpenHuman 的”人格化”界面。通过宠物的表情和动作，用户可以直观地感知 AI 的状态（思考中、空闲、兴奋等）。

6. 为什么是 GPL-3.0？

GPL-3.0 要求衍生作品也必须开源，这保护了项目的开源性质，但可能阻碍商业采用。

适用场景与局限

适用场景

• 个人知识管理：把所有数据整合到一个 AI 助手中
• 隐私敏感用户：数据存储在本地，不上传到云端
• Obsidian 用户：无缝集成现有的笔记库
• 多服务重度用户：同时使用 Gmail、Notion、GitHub、Slack 等
• 桌面宠物爱好者：想要一个有个性的 AI 助手

局限

• Early Beta 阶段：功能可能不稳定
• GPL-3.0 许可证：商业场景需要额外考虑
• 资源占用：Rust + Tauri 虽然轻量，但持续运行仍会消耗系统资源
• 集成依赖 Composio：如果 Composio 服务中断，集成会受影响
• 桌面宠物不是所有人喜欢：有些人可能觉得分心
• macOS / Linux / Windows 体验差异：某些功能在不同平台上可能有差异

参考资料

• 官方仓库：tinyhumansai/openhuman
• 官网：tinyhumans.ai/openhuman
• 文档：tinyhumans.gitbook.io/openhuman
• Composio：composio.dev
• Tauri：tauri.app