OpenHuman — Local-First 个人 AI 工作台¶

OpenHuman 想做的不是另一个聊天框，而是一个 local-first 的个人 AI 系统：有记忆、有工具、有代理协作，也能把工作流变成可审核的图。

目录¶

核心定位
三大核心模块
Memory Tree 与 Obsidian Vault
Graph Orchestration vs 传统 Agent Loop
可审核 Workflow
Local-First 与权限边界
工具整合与执行能力
竞品对比
Early Beta 注意事项
快速安装

核心定位¶

传统 LLM 介面（ChatGPT 等）的痛点：每次对话从零开始，AI 不知道你昨天做了什么、资料在哪里、下一步该找谁。你不断在「教一个很聪明但永远失忆的助理」。

OpenHuman 的目标是将 AI 直接嵌入日常工作现场：

传统聊天框 AI                    OpenHuman
┌──────────────┐               ┌──────────────────────┐
│  无状态对话   │               │  持续记忆 + 上下文    │
│  单次 prompt  │     ──→      │  工具调度 + 代理协作  │
│  黑箱执行     │               │  可审核 workflow      │
│  数据上云     │               │  local-first 数据    │
└──────────────┘               └──────────────────────┘

一句话定位：把 AI 助理从聊天框往个人作业系统的方向推一步。

三大核心模块¶

OpenHuman README 将自己分为三块：

模块	角色	核心能力
Brain（本机记忆）	知识库	Memory Tree → SQLite → Obsidian vault
Orchestrator（代理协调器）	任务调度	Checkpointed graph，可暂停/恢复/分派子代理
Deep Researcher & Doer	执行层	Web search、scraper、browser、voice、meeting agents、image/video 生成

模块协作流程¶

用户下达任务
     │
     ▼
┌─────────────┐     ┌──────────────────┐     ┌───────────────┐
│   Brain     │────→│  Orchestrator    │────→│ Deep Researcher│
│ (Memory     │上下文│ (Graph 调度，    │拆解为│ (执行：搜索、   │
│  Tree)      │     │  可暂停/恢复)    │子任务│  抓取、工具调用) │
└─────────────┘     └──────────────────┘     └───────────────┘
     ↑                     │                        │
     │         卡住时能回来报告卡在哪                  │
     └─────────────────────┴────────────────────────┘
             结果写回 Memory Tree，下次不用从零开始

Memory Tree 与 Obsidian Vault¶

这是 OpenHuman 最核心的差异化设计。

数据来源：文件、邮件（Gmail）、行事历、程式码仓库（GitHub repo）、通讯软体（Slack）等。

处理流程：

连接账户（OAuth 一次性授权）
Auto-fetch：每 20 分钟自动拉取各连接的最新数据
所有内容标准化为 ≤3k token 的 Markdown chunk
评分后折叠成层级式摘要树（hierarchical summary tree）
存入本机 SQLite + 同步为 Obsidian vault（可打开、可编辑）

Gmail  ─┐
GitHub ─┤
Slack  ─┼──→ Auto-fetch (20min) ──→ 标准化为 ≤3k MD chunk
Notion ─┤                              │
Calendar┘                              ▼
                                   评分 + 折叠成 Memory Tree
                                       │
                              ┌────────┴────────┐
                              ▼                 ▼
                         SQLite (本机)    Obsidian Vault
                         (查询用)        (.md 文件，可编辑)

设计灵感来自 Karpathy 的 obsidian-wiki workflow。

已自托管 agentmemory？OpenHuman 支持设置 memory.backend = "agentmemory"，同一存储可同时驱动 OpenHuman、Claude Code、Cursor、Codex、OpenCode。

Graph Orchestration vs 传统 Agent Loop¶

特性	传统 Agent Loop	OpenHuman Checkpointed Graph
执行模型	单一迴圈（收任务→呼工具→回覆）	图结构，节点可分派给不同子代理
暂停/恢复	❌ 不支持	✅ 可暂停、可恢复
失败处理	默默消失或偏离方向	能回来报告卡在哪里
任务复杂度	适合短任务	适合长任务、多步骤
可观测性	低	高（每步可追踪）

关键差异：传统 agent 收到任务后是一条直线跑到底；OpenHuman 的 checkpointed graph 让流程可以暂停、恢复、分派给子代理，如果卡住，系统至少能说明卡在哪里，而不是默默消失。

可审核 Workflow¶

OpenHuman 强调 workflow 是看得见的：

请 agent 帮你设计自动化
在 canvas 上审核生成的 tinyflows graph
决定是否保存、是否触发

┌─────────────────────────────────────────┐
│           Workflow Canvas               │
│                                         │
│   [触发条件] ──→ [搜索] ──→ [摘要]      │
│                      │                   │
│                      ▼                   │
│                 [写入文件]               │
│                      │                   │
│                      ▼                   │
│                 [发送通知]               │
│                                         │
│   ✅ 审核模式：每步可见、可修改、可中断   │
└─────────────────────────────────────────┘

对需要长期执行的任务，这比单次 prompt 安心很多——你知道它会在什么条件下触发、会做哪些动作。

Local-First 与权限边界¶

数据存储¶

数据类型	存储位置
Memory Tree	本机 SQLite
Obsidian Vault	本机 .md 文件
工作区配置	本机
运行时状态	本机

提供 Privacy Mode，但 local-first 不等于零风险。

授权范围意识¶

一旦把 Gmail、GitHub、Slack、Notion 这类账户接进去，就必须理解：

✅ 授权范围（OAuth scope 给了什么权限）
✅ 批准机制（哪些操作需要你确认）
✅ 本机安全（本机数据如何保护）

越强的工具越需要清楚的边界。 README 已标注 early beta，功能范围大但可能有粗糙边角。

工具整合与执行能力¶

OpenHuman 内建 118+ 第三方整合（via Composio connector layer），包括：

工具类别          具体整合
─────────────────────────────────────────────
通讯协作     →   Gmail, Slack, Notion, Discord
开发工具     →   GitHub, Linear, Jira
生产力      →   Calendar, Drive, Stripe
AI/搜索     →   Web search, scraper, browser
语音/会议   →   Voice (STT + ElevenLabs TTS), Google Meet agent
模型路由     →   内建 routing（reasoning/fast/vision 自动选择）

TokenJuice — Token 压缩层¶

每个工具调用、抓取结果、邮件正文、搜索 payload 在进入 LLM 前都会经过压缩：

HTML → Markdown
长 URL 缩短
冗余工具输出去重 + 摘要
CJK、emoji 等多字节文本按 grapheme 保留（不会丢失）
效果：相同信息，token 减少最多 80%，降低成本与延迟

模型路由¶

默认使用 OpenHuman 后端做 model routing，自动为每种任务选择合适的 LLM（reasoning / fast / vision）。也支持通过 Ollama 运行本地模型。

竞品对比¶

README 提供的横向对比（产品会演进，需对照各厂商最新状态验证）：

特性	Claude Cowork	OpenClaw	Hermes Agent	OpenHuman
开源	❌ 闭源	✅ MIT	✅ MIT	✅ GNU
上手难度	✅ 桌面+CLI	⚠️ 终端优先	⚠️ 终端优先	✅ UI 优先，分钟级
成本	⚠️ 订阅+加购	⚠️ 自带模型	⚠️ 自带模型	✅ 单一订阅+TokenJuice
记忆	✅ 对话级	⚠️ 依赖插件	✅ 自学习	🚀 Memory Tree + Obsidian
整合数	⚠️ 少	⚠️ 自带	⚠️ 自带	🚀 118+ OAuth
Auto-fetch	❌ 无	❌ 无	❌ 无	✅ 20 分钟同步
模型路由	❌ 单一	⚠️ 手动	⚠️ 手动	✅ 内建
原生工具	✅ 仅代码	✅ 仅代码	✅ 仅代码	✅ 代码+搜索+抓取+语音

OpenHuman 的核心差异化：最小化 vendor sprawl、工作流知识在设备上、对数据的持久记忆（不只是对话）。

Early Beta 注意事项¶

视频和 README 都诚实标注 early beta，需要注意：

维度	风险/限制
安装整合	可能有粗糙边角，需实测
权限设定	接入大量账户后授权范围需仔细审查
长任务稳定性	checkpointed graph 理论上可恢复，但需实测失败恢复能力
QA	demo 漂亮不代表失败时能透明恢复

视频原话：「不能只看 demo 漂亮，还要看失败时能不能透明、能不能恢复、能不能让使用者掌控。」

判断：适合谁？¶

                        ┌─ 偶尔问 AI 几个问题？
                        │     └─→ OpenHuman 太重，不需要
                        │
你现在的 AI 使用场景 ────┤
                        │   开源维护 / 研究整理 / 内容制作 /
                        └─  团队协作 / 跨多工具追任务？
                              └─→ OpenHuman 的记忆与 workflow 设计
                                  很值得放进观察清单

快速安装¶

推荐：原生包安装（有签名验证）¶

macOS (Homebrew):

brew tap tinyhumansai/core
brew install openhuman

Linux (Debian/Ubuntu):

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

Windows: 从 GitHub Releases 下载签名 .msi。

Linux AppImage 在 Wayland 下可能崩溃（见 issue #2463），Debian/Ubuntu 建议用 .deb。

从源码构建¶

依赖：Node.js 24+, pnpm 10.10.0, Rust 1.93.0, CMake, Ninja, ripgrep。

git clone https://github.com/tinyhumansai/openhuman.git
cd openhuman
git submodule update --init --recursive
pnpm install
pnpm dev              # web UI 开发
pnpm --filter openhuman-app dev:app  # 桌面端开发

技术栈概览¶

层	技术
桌面框架	Tauri（Rust + Web frontend）
包管理	pnpm workspace（monorepo）
原生组件	Rust + CMake + Ninja
本机数据库	SQLite
知识库格式	Obsidian-compatible Markdown vault
整合层	Composio connector（118+ OAuth）
语音	STT in, ElevenLabs TTS out
许可证	GNU