🤖 OpenHuman is your Personal AI super intelligence. Private, Simple and extremely powerful.

💡 本文要点（Key Takeaways）

1. OpenHuman 是一个开源的桌面级 AI 智能助手框架，使用 Rust 编写核心逻辑
2. 内置 118+ 第三方集成（Gmail、Notion、GitHub、Slack 等），一键 OAuth 连接
3. 记忆树技术让 AI 在几分钟内了解你的工作上下文
4. TokenJuice 智能压缩可降低高达 80% 的 token 成本和延迟
5. 支持通过 Ollama 或 LM Studio 启用本地 AI
6. 单订阅多模型架构，内置智能模型路由
7. 采用 GPL-3.0 开源许可证，代码完全可审计

📖 项目简介

OpenHuman 是什么？

关键定义：OpenHuman 是一个开源的个人 AI 智能助手框架（Personal AI super intelligence），使用 Rust 编写核心逻辑，通过 Tauri 构建跨平台桌面应用[^1]。它由 TinyHumans AI 团队开发，旨在将 AI 能力无缝融入用户的日常生活，让智能体在几分钟内了解你的工作上下文，而非像其他智能体框架那样需要数天或数周的训练期[^1]。

OpenHuman 的核心定位是替代传统多账户、多 API Key 的 AI 使用模式。它采用单订阅多模型架构，通过内置智能模型路由自动将任务分发到最适合的 LLM（推理型、快速型或视觉型），无需管理多个 API Key[^1]。

关键数据[^2]：

• 🌟 21,096+ GitHub Stars（截至 2026 年 5 月 19 日）
• 🍴 1,857+ Forks
• 📅 项目创建：2026 年 2 月 18 日
• ⚖️ 许可证：GPL-3.0
• 🏷️ 当前状态：Early Beta（早期测试版）— 正在积极开发中

核心特点：

• 🔒 私密性 — 本地运行，工作流数据保留在设备上并本地加密[^1]
• 🚀 高性能 — Rust 编写核心，TokenJuice 智能压缩可降低高达 80% 的 token 成本和延迟[^1]
• 📦 简单易用 — UI 优先设计，从安装到可用仅需几次点击，无需终端[^1]
• 🎯 功能强大 — 支持多模态任务、语音交互、Google Meet 会议集成[^1]

关键洞察：OpenHuman 是首个能在几分钟内了解你的智能体框架。大多数智能体从零开始——Hermes 通过观察你的工作来学习；OpenClaw 等待插件输送上下文。无论哪种方式，你都需要花费数天甚至数周时间[^1]。

[^1]: 来源：OpenHuman GitHub README
[^2]: 来源：GitHub API

📊 主要功能

1. 简洁的 UI 优先设计

OpenHuman 采用UI 优先的设计思路，让你从安装到可用的 Agent 只需几次点击——无需配置优先，无需终端[^1]。

Agent 拥有桌面吉祥物：会说话、会反应、会加入你的 Google Meet 会议，记住你，并在你停止输入后继续在后台思考[^1]。

2. 118+ 第三方集成

接入 Gmail、Notion、GitHub、Slack、Stripe、日历、Drive、Linear、Jira 等工具，一键 OAuth[^1]。每个连接都暴露为 Agent 的 typed tool，每 20 分钟核心会主动抓取最新数据到记忆树中。无需提示，无需轮询循环[^1]。

集成覆盖的主要领域：

3. 记忆树 + Obsidian Wiki

一个本地优先的知识库，由你的数据和活动构建[^1]。所有连接的内容被规范化为 ≤3k token 的 Markdown 块，评分并折叠成存储在本地 SQLite中的层次化摘要树[^1]。相同的块作为 .md 文件存放在兼容 Obsidian 的仓库中，可以打开、浏览和编辑[^1]。

灵感来源：该设计灵感来自 Karpathy 的 obsidian-wiki 工作流。

4. 内置工具集

开箱即用[^1]：

• 🔍 网络搜索
• 🌐 网页抓取器
• 💻 完整编码工具集（文件系统、git、lint、test、grep）
• 🎤 原生语音（STT 输入 → ElevenLabs TTS 输出，吉祥物唇同步，Google Meet Agent）

模型路由会将每个任务发送到正确的 LLM（推理型、快速型或视觉型），只需一个订阅[^1]。还有本地 AI 通过 Ollama用于本地工作负载的选择[^1]。

关键洞察：OpenHuman 是首个能在几分钟内了解你的智能体框架。大多数智能体从零开始——Hermes 通过观察你的工作来学习；OpenClaw 等待插件输送上下文。无论哪种方式，你都需要花费数天甚至数周时间[^1]。

5. TokenJuice 智能压缩

每个工具调用、抓取结果、邮件正文、搜索负载都通过token 压缩层运行后再接触任何 LLM[^1]。HTML 转换为 Markdown，长 URL 缩短，冗长的工具输出通过可配置规则覆盖去重和总结等… CJK、emoji 和其他多字节文本按图元逐个保留——永远不剥离[^1]。用更少的 token 获得相同的信息，降低成本和延迟高达 80%[^1]。

6. 消息通道

通过你已经在使用的通道进行入站/出站交互，工作流数据保留在设备上，本地加密，视为你的财产[^1]。

7. 可选 agentmemory 后端

如果你已经在其他编码智能体中自托管了 agentmemory，OpenHuman 提供了可选的 Memory 后端来代理它——在 config.toml 中设置 memory.backend = "agentmemory"，同一个持久化存储将同时服务于 OpenHuman 和 Claude Code、Cursor、Codex、OpenCode[^1]。

📦 系统要求

🚀 快速开始

方法一：终端安装（推荐）

macOS 或 Linux x64:

1

curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

Windows:

1

irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex

方法二：官网下载

访问 tinyhumans.ai/openhuman 下载 DMG 或 EXE 安装包。

💻 开发构建

从源码构建

1
2
3
4
5
6
7
8
9
10
11
12

# 克隆仓库
git clone <repo-url>
cd openhuman

# 初始化子模块
git submodule update --init --recursive

# 安装依赖
pnpm install

# 开发模式运行
pnpm dev

构建命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# Web-only 开发模式（Vite 开发服务器）
pnpm dev

# 桌面应用开发（Tauri + CEF）
pnpm --filter openhuman-app dev:app

# 通用构建
pnpm build

# 类型检查
pnpm typecheck

# 格式化检查
pnpm format:check

# Cargo 检查
cargo check --manifest-path Cargo.toml
cargo check --manifest-path app/src-tauri/Cargo.toml

🔧 进阶配置

模型路由配置

OpenHuman 采用单订阅多模型架构，内置路由器自动将任务分发到合适的 LLM。通过 config.toml 配置 hint 路由表（注意：官方 README 使用 hint_reasoning 格式，而非 hint:reasoning 前缀）[^1]：

1
2
3
4
5

[model_routing]
hint_reasoning = "anthropic/claude-sonnet-4"
hint_fast = "openrouter/google/gemini-2.0-flash"
hint_code = "anthropic/claude-sonnet-4"
hint_vision = "openrouter/google/gemini-2.0-flash"

路由表说明：

📖 官方文档：Automatic Model Routing

工作原理：当你在聊天消息中使用 hint:reasoning 前缀时，路由器会查找配置表并解析到对应的模型。所有路由通过 OpenHuman 单一定制订阅后端代理，无需管理多个 API Key。也可在单次调用中直接指定模型名（不带 hint: 前缀）进行精确控制。

本地 AI 配置（可选）

OpenHuman 支持通过 Ollama 或 LM Studio 启用本地 AI，用于隐私敏感型任务：

1
2
3

# 安装 Ollama 后，运行默认本地模型
ollama pull all-minilm:latest    # 用于记忆树嵌入向量搜索
ollama pull gemma3:1b-it-qat     # 用于记忆树摘要生成

本地 AI 处理的负载（默认不启用，需手动开启）：

注意：聊天、推理、视觉任务仍走云端前端模型。这是有意为之的设计——本地 AI 专注于低延迟、隐私敏感的重复性工作。

❓ 常见问题

OpenHuman 和 Cursor、Windsurf、Claude Code 有什么区别？

OpenHuman 是一个完整的桌面级 AI Agent 框架，而 Cursor、Windsurf 和 Claude Code 本质上是代码编辑器或编码辅助工具。OpenHuman 的核心优势在于：① 118+ 第三方集成（Gmail、Notion、Slack 等），② 记忆树技术让 AI 在几分钟内了解你的工作上下文，③ 桌面吉祥物提供拟人化交互体验，④ 支持 Google Meet 会议集成。它更像是一个通用 AI 助手，而非仅限于编码场景。

如何在本地运行 OpenHuman？

下载后解压即可运行，无需安装任何额外软件。macOS 和 Linux 用户可通过终端一键安装脚本快速部署，Windows 用户也可通过 PowerShell 安装。OpenHuman 的 UI 优先设计确保从安装到可用仅需几次点击，完全不需要终端操作。所有工作流数据保留在设备上并本地加密，确保数据隐私。

OpenHuman 可以连接我的数据吗？如何连接？

是的，OpenHuman 支持 118+ 第三方应用集成，包括 Gmail、Notion、GitHub、Slack、Stripe、Google 日历、Google Drive、Linear、Jira 等[^1]。每个连接都通过一键 OAuth 认证完成，连接后会自动暴露为 Agent 的 typed tool。核心会每 20 分钟主动抓取最新数据到记忆树中，无需手动提示或轮询循环。

OpenHuman 需要联网吗？可以完全离线使用吗？

OpenHuman 需要网络连接以访问 API 和搜索功能，但其核心数据（记忆树、工作流数据）完全存储在本地设备上。如果你通过 Ollama 或 LM Studio 配置了本地 AI 模型，部分推理任务可以在离线状态下运行。不过，模型路由和第三方集成功能仍需网络连接。

OpenHuman 支持哪些 AI 模型？可以自定义模型吗？

OpenHuman 内置模型路由系统，支持通过单一定制订阅后端代理多种 LLM，包括 Anthropic Claude、Google Gemini 等[^1]。你可以通过 config.toml 自定义每个 hint 路由的目标模型，也可以直接指定模型名进行精确控制。此外，还支持通过 Ollama 或 LM Studio 接入本地 AI 模型用于隐私敏感型任务。

什么是记忆树？它如何工作？

记忆树是 OpenHuman 的本地优先知识库，由你的数据和活动自动构建[^1]。所有连接的内容被规范化为不超过 3,000 token 的 Markdown 块，经过评分并折叠成存储在本地 SQLite 中的层次化摘要树。相同的块作为 .md 文件存放在兼容 Obsidian 的仓库中，你可以直接打开、浏览和编辑。该设计灵感来自 Karpathy 的 obsidian-wiki 工作流。

OpenHuman 的安全性如何？数据是否安全？

OpenHuman 采用多层安全设计：① 所有工作流数据保留在设备上并本地加密[^1]，② 记忆树存储在本地 SQLite 中，不依赖云端，③ 第三方集成通过 OAuth 认证，数据不会直接暴露给 AI 模型，④ 采用 GPL-3.0 开源许可证，代码完全可审计。

OpenHuman 目前处于什么开发阶段？

OpenHuman 目前处于Early Beta（早期测试版）阶段，正在积极开发中[^1]。这意味着核心功能已经可用，但部分功能可能还在完善中。建议在生产环境中使用时做好备份。

OpenHuman 的 TokenJuice 智能压缩如何工作？

TokenJuice 是 OpenHuman 的token 压缩层，每个工具调用、抓取结果、邮件正文、搜索负载都通过该层运行后再接触任何 LLM[^1]。它将 HTML 转换为 Markdown，缩短长 URL，通过可配置规则对冗长的工具输出进行去重和总结。CJK、emoji 和其他多字节文本按图元逐个保留——永远不剥离。实测可降低高达 80% 的 token 成本和延迟[^1]。

[^1]: 来源：OpenHuman GitHub README

📊 OpenHuman vs 其他 AI Agent 对比

选择指南：如果你需要一个通用 AI 助手（不仅限于编码），OpenHuman 是目前最全面的开源选择。如果你专注于编码，Cursor 或 Windsurf 可能更适合。

💡 总结：如果你需要一个通用 AI 助手（不仅限于编码），OpenHuman 是目前最全面的开源选择。如果你专注于编码，Cursor 或 Windsurf 可能更适合。

📚 资源链接

👤 本文适合谁阅读？

本教程适合以下读者：

• 🔧 开发者：想构建自己的 AI 助手或集成 OpenHuman 到工作流中
• 🧪 AI 研究者：对 AI Agent 架构和记忆系统感兴趣
• 🏢 团队负责人：评估 OpenHuman 是否适合团队使用
• 🙋 普通用户：想拥有一个能理解你工作上下文的私人 AI 助手

⚠️ 前置知识：本教程假设你具备基本的命令行使用能力和 Git 操作经验。如果你是编程新手，建议先学习基础的前端开发知识。

🏁 总结

OpenHuman 是一个强大的开源 AI Agent 框架，适合：

• ✅ 开发者构建自己的 AI 助手
• ✅ 研究人员进行 AI 实验
• ✅ 普通用户自动化日常任务

开始你的 AI Agent 之旅吧！ 🚀

💬 互动：如果你尝试了 OpenHuman，欢迎在 GitHub Issues 或 Discord 分享你的体验！