OpenHuman：本地优先的开源智能体框架，一个记得你、会编排、能研究的个人 AI

项目地址：https://github.com/tinyhumansai/openhuman  协议：GPL-3.0  Stars：39,898  更新：2026-09-19

一、产品深度介绍

OpenHuman 在仓库简介里把自己定义为「一个具备本地优先记忆、智能体编排与工作流的开源智能体框架（open source agent harness）」。但它在 README 开篇给的画像更感性：你的个人 AI 超级智能 —— 一台记得一切的大脑、一位出色的编排者、一名深度研究员，本地优先、简洁而强大。它明确把自己和「聊天机器人」划清界限，反复强调自己是「一个编排器，而非聊天机器人」。

进一步拆开看，这三重身份并不是营销话术，而是对应三套真实能力：大脑负责把你的世界压缩成持久、本地、可编辑的记忆；编排者负责在持久化的图上调度成群的智能体；深度研究员则在你提问之前就扫遍你的数据与世界。README 还强调，它是第一个「能在几分钟内了解你」的智能体框架，灵感来自 Karpathy 的 LLM 知识库思路。换句话说，它要跳过多数 Agent 需要数天乃至数周才能熟悉你技术栈的冷启动期。

小黑配图：小黑作为拟人化的数字人调度员，身旁悬浮着抽象的人形与对话气泡图标，正把多个智能体收编进同一张编排图谱，对应 OpenHuman 把记忆、编排与研究统一到一台本地优先设备上的定位。

二、核心功能

大脑：记忆树与 Obsidian 仓库

记忆树（Memory Tree）把你的文档、邮件与聊天压缩为带评分的 Markdown 树，存进本机 SQLite，并镜像成一个你可以直接用 Obsidian 打开编辑的仓库。官方称其「没有向量浓汤式的黑箱」。自动拉取（Auto-fetch）每 20 分钟把数据喂给大脑；TokenJuice 在工具输出触达模型之前先压缩，相同信息最多省下 80% 的 token，让一颗如此庞大的大脑在用得起的前提下持续运转。

编排者与工作流

工作流（Workflows）由智能体先提议、你在画布上审阅再保存，底层是开源的 tinyflows。执行框架（harness）基于开源 tinyagents 跑检查点式图：卡住的智能体会交回根因报告，每次运行都可回放并附带真实的每次调用成本。分脑（split brain）则由一个快速反射智能体负责分流入站流量，一个深度推理核心向工作者舰队分派任务，由潜意识统一调度。

研究员与隐私

开箱即用的能力包括由 Exa 提供的网络搜索、爬虫、编码工具集、真正的浏览器、原生语音（后端代理的语音识别与可托管或本地的 Piper 语音合成）以及模型路由。图像与视频生成支持 Seedream/SeedEdit 与 Seedance/Veo，直接输出到你的工作区。它接入 15 个消息渠道，含原生邮件（IMAP IDLE + SMTP）。隐私方面，除了设备端加密、审批关卡、系统钥匙串与可选沙箱，还有一键强制的隐私模式（Privacy Mode），由 Rust 核心保证「任何推理都不离开本机」。

三、如何安装与使用

官方提供桌面安装包与终端两条路径，几分钟内就能跑起自己的实例。

桌面安装包

最省事的方式是从 tinyhumans.ai/openhuman 或 GitHub Releases 下载安装器。终端用户还可以走 Homebrew、Debian/Ubuntu 的 .deb、AUR 与安装脚本，细节见仓库里的 INSTALL.md。

从源码构建

若想从源码贡献，README 列出的前置依赖包含 Git、Node.js 24+、pnpm 10.10.0、Rust 1.96.1（含 rustfmt 与 clippy）、CMake、Ninja 与 ripgrep。克隆后务必先初始化子模块，再安装依赖：

git submodule update --init --recursive
pnpm install
pnpm dev          # 纯 Web UI 开发
pnpm dev:app:win  # Windows 桌面壳

Rust 工作区拆分为 openhuman-core（核心库与 CLI）、openhuman-app（Tauri 桌面壳）、openhuman-embed（嵌入核心的门面）、openhuman-rpc（共享 RPC 契约）与 openhuman-tui（终端客户端）。提交 PR 之前，建议依次跑 pnpm typecheck、pnpm format:check 与 cargo check -p openhuman –lib 做针对性检查。

四、官方地址与获取方式

• GitHub 仓库：https://github.com/tinyhumansai/openhuman
• 官方网站：https://tinyhumans.ai/openhuman
• 文档：https://tinyhumans.gitbook.io/openhuman/
• 社区：Discord、Reddit、X（@tinyhumansai）以及 GitHub Discussions
• 作者：@senamakel（Creator）

五、与同类方案对比

README 给出一张与其他智能体框架的高层对比表。对比对象包括 Claude Cowork（闭源）、OpenClaw（MIT）与 Hermes Agent（MIT），而 OpenHuman 采用 GNU GPL 协议。差异集中在四点：记忆上，OpenHuman 用记忆树加 Obsidian 仓库，并可选择代理 agentmemory 后端；集成上，它标称 100+ OAuth、5,000+ MCP 服务器、90,000+ Skills；编排上，它用智能体图加检查点，以及端到端加密的 Agent 对 Agent 通信；隐私上，它提供「一键强制」的本地模式。它反复强调要「最小化供应商碎片化」，把工作流知识留在设备上，而非散落在各家云服务里。

需要说明，产品持续演进，上表以官方 README 的口径为准，具体能力请以各厂商最新文档核对。

六、核心机制深度解析

OpenHuman 的核心可以概括为「图，而非循环」：每一轮对话都作为带检查点的图在 tinyagents 上运行，可暂停等待人工介入、可在重启后存活、可从中途恢复。子智能体舰队可派生至三层深，卡住的智能体变成根因报告，而非悄无声息地卡死。

更具特色的是智能体之间的通信：实例之间通过 Signal 协议端到端加密会话相互编排，并支持 x402 支付，任何服务器都看不到明文。记忆层则把一切压成 Markdown 存进 SQLite，再镜像为 Obsidian 仓库，让你用熟悉的笔记软件直接阅读和改写。自动拉取以 20 分钟为周期把账户数据同步到本地，因此一次同步就能获得收件箱、日历、仓库、文档与消息的完整（压缩后）上下文。已经在其他编码智能体里自托管 agentmemory 的用户，还能在 config.toml 里设 memory.backend = 「agentmemory」，让它和 Claude Code、Cursor、Codex、OpenCode 共享同一份持久记忆。

七、实用技巧

• 先用桌面安装包跑通，再决定是否深入源码：UI 优先、无配置文件、无终端即可拥有可用智能体，门槛极低。
• 连接账户并开启自动拉取：让记忆树每 20 分钟自我喂养，接入越早，上下文越完整。
• 让智能体提议工作流：在画布上审阅后保存，把重复劳动交给触发器驱动、审批把关的持久任务。
• 敏感场景打开隐私模式：由 Rust 核心保证推理不出本机，把控制权真正握在手里。
• 想接自有模型时善用模型路由：把部分工作负载指向自有 provider 或本地 Ollama，订阅只是默认而非锁定。
• 复用 agentmemory 后端：设 memory.backend = 「agentmemory」，让 OpenHuman 和你既有的编码智能体共享同一份持久记忆。

八、最新更新动态

早期 Beta 与热度：README 标注项目处于「早期 Beta（Early Beta）」，正活跃开发中，存在不完善之处；官方也坦承 OpenHuman 还不是 AGI，但在架构上离其更近了一步。值得注意的热度数据是：发布仅一周内，OpenHuman 便登顶 GitHub 全站趋势榜第一名，并连续九天保持榜首。

工程架构：Rust 核心（openhuman-core）与 Tauri 桌面壳（openhuman-app）分离构建，vendored 的 tinyagents、tinyflows、tinychannels、tinymemory、motosan-ai-oauth 等子模块分别承担编排、工作流、渠道、记忆与 OAuth。早期提交中曾出现 Android 与 iOS 支持，但后续已移除、明确聚焦桌面平台。

贡献路径：新贡献者可以从 CONTRIBUTING.md 了解 fork/PR 工作流，或用 CONTRIBUTING-BEGINNERS.md 里可直接复制粘贴的 AI 智能体提示词快速上手；仓库还提供了架构、环境搭建与云端部署等更深层文档。

九、常见问题 FAQ

十、总结

OpenHuman 的野心是把「记忆、编排与深度研究」三件事装进一台本地优先、你完全掌控的 AI 设备。它不是又一个聊天窗口，而是一个会构建持久记忆、会在图上调度智能体舰队、会在你提问前就做完功课的编排器。对想要把分散的 Agent 与工具统一起来、又不愿把数据交出本机的用户，它提供了从桌面安装包到私有部署的完整路径；而 100+ OAuth、5,000+ MCP、90,000+ Skills 与一键隐私模式，则让它在「能接外部能力」和「守住隐私」这两件事上都有扎实落点。如果你的需求正落在「本地优先的开源个人 AI 操作系统」上，OpenHuman 值得认真试一试。