OpenHuman：Rust 构建的本地优先个人 AI 超级助理

在 AI 助手这个赛道上，大多数产品都要用户在"隐私"和"功能"之间做取舍——功能强的依赖云端，隐私好的功能又很有限。OpenHuman 试图同时满足两边：本地优先的数据存储 + 强大的第三方服务集成 + 可用语音交互的桌面助理。

OpenHuman 由 tinyhumansai 开发，核心亮点是基于 Rust 构建性能和安全性，以及一套独特的 Memory Tree（记忆树） + Obsidian Wiki 本地知识库架构。

项目速览

核心理念：让 AI 在几分钟内了解你

OpenHuman 的核心主张是"Context in minutes, not weeks"。传统 Agent 系统需要几周的数据积累才能了解用户的上下文，而 OpenHuman 通过 auto-fetch 和 Memory Tree 在首次同步后就建立起完整的用户上下文。

它的灵感来自 Andrej Karpathy 的 LLM Knowledgebase 方案：用 Markdown 文件作为知识表示，以 Obsidian 为前端浏览界面。

核心架构

Memory Tree + Obsidian Wiki

OpenHuman 的记忆系统分两层：

1. Memory Tree：压缩后的知识以层次化摘要树的形式存储在本地 SQLite 数据库中
2. Obsidian Wiki：同步生成 .md 文件到 Obsidian 兼容的 vault，用户可以直接用 Obsidian 打开、浏览和编辑

这意味着你的个人知识既是 AI 可以查询的结构化数据，也是你随时可以手动阅读的 Markdown 文件。

Auto-fetch：20 分钟一次的数据同步

配置好 OAuth 集成后，OpenHuman 每 20 分钟自动从各服务拉取最新数据：

• Gmail：邮件摘要
• Notion：文档更新
• GitHub：Issue、PR 状态
• Slack：未读消息
• Calendar：日程
• Linear / Jira：任务状态

所有数据在拉取后立即经过 TokenJuice 压缩，然后进入 Memory Tree。这个过程无需用户手动触发，也不需要写任何 polling 代码。

TokenJuice：智能 token 压缩

OpenHuman 内置了一个 token 压缩层，在数据送入 LLM 之前进行处理：

• HTML → Markdown 转换
• 长 URL 缩短
• 非 ASCII 字符清理
• 重复内容去重

官方声称可降低 80% 的 token 使用量，同时保留核心信息。这对于控制 AI 使用成本有直接意义。

118+ OAuth 集成

通过一键 OAuth 授权，可以接入 118+ 第三方服务，每个服务都被暴露为 AI 可调用的类型化工具（Typed Tools）。不需要写插件，不需要配置 API Key，所有授权在 OAuth 标准流程中完成。

模型路由（Model Routing）

内置模型路由功能，将不同类型的任务分配给不同的 LLM：

• 复杂推理任务 → 推理模型（如 o3）
• 快速查询任务 → 快模型（如 GPT-4o mini）
• 视觉任务 → 视觉模型

所有模型通过一个统一的订阅账户计费，不需要管理多个 API Key。

本地 AI 支持（Ollama）

对于敏感数据处理，可以选择切换到本地 Ollama 模型，所有数据完全在本地处理，不经过任何云端服务。

特色功能

桌面形象（Mascot）+ 语音交互

OpenHuman 内置了一个桌面形象（有吉祥物/avatar），它会：

• 语音合成输出（ElevenLabs TTS）
• 嘴型同步（lip-sync）
• 实时监听语音输入（STT）

Google Meet 会议参与

OpenHuman 可以作为真实参与者加入你的 Google Meet 会议，在会议中代表你发言和协作。这个功能在远程工作场景下有独特价值——你不必全程在线，但 OpenHuman 可以帮你记录并参与关键讨论。

隐私与安全

• 工作流数据保存在本地设备
• 本地加密存储
• 数据归属用户
• 不强制云端处理（可选 Ollama 纯本地模式）

与同类项目的对比

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

也可以访问 tinyhumans.ai/openhuman 直接下载 DMG / EXE 安装包。

已知局限

1. Early Beta 状态：作者明确提示项目还在活跃开发，界面和功能会有变化
2. 资源占用：Rust 构建的桌面应用，但 auto-fetch + 持续同步机制可能带来一定内存/CPU 常驻开销
3. OAuth 信任：118+ 服务的一键授权需要用户信任该服务提供商（虽然是标准 OAuth 流程）
4. TokenJuice 压缩质量：压缩比例高，但信息损失程度需要实际使用评估

总结

OpenHuman 最有辨识度的特点是用 Rust + SQLite + Obsidian Markdown 构建了一套"本地优先 + AI 可读 + 人类可读"三位一体的记忆系统，同时通过 auto-fetch 和 OAuth 集成把个人数据的采集自动化。对于希望 AI 真正了解自己日常工作上下文、而不是每次对话都要重新提供背景信息的用户，这是一个值得关注的思路。

延伸阅读：

• OpenHuman 官方文档
• OpenHuman GitHub 仓库
• Karpathy LLM Knowledgebase 方案（OpenHuman 的设计灵感来源）