cat README.md
openhuman
你的个人 AI 超智能助手。Rust 驱动，隐私优先，118+ OAuth 一键接入，Auto-fetch + Memory Tree + TokenJuice，让 AI 在几分钟内读懂你。
// 目录
// 概览
// 核心功能
说实话，第一次用 openhuman，我被它的上手速度惊到了。从下载到看到 AI 读懂我所有邮件、GitHub 和 Notion，只用了不到 10 分钟——不是夸张，是真的在 10 分钟以内。
这不是又一个套壳 ChatGPT。它解决了一个很实在的问题：你的 AI 助手对你的生活一无所知。每次对话都要从头解释上下文，重复三遍同样的背景信息，效率低得离谱。
openhuman 的思路很简单粗暴——让它自己读。连接 Gmail、GitHub、Notion、Slack、Stripe、Calendar、Drive……它自己抓，然后存进 Memory Tree，压缩成不超过 3k token 的 Markdown 块，写进本地 SQLite，下次对话时上下文已经是完整的了。
TokenJuice：省 80% 成本的压缩器
这个功能是我觉得它真正有价值的地方。AI 助手调用工具、读邮件、抓网页——这些操作会产生大量冗余 token，一封 HTML 邮件可能吃掉几百个 token。TokenJuice 会自动把 HTML 转成 Markdown、去掉重复链接、对长文本做摘要，实测可以降低 80% 的 token 消耗。
有意思的是，它专门保留了 CJK 字符和 emoji——不是逐 token 处理，而是逐字符保留，所以中文内容不会乱码。
桌面吉祥物 + 语音助手
这是我见过最奇怪的 AI 助手功能：桌面会出现一个吉祥物，会说话、会做反应，还可以直接加入 Google Meet 作为你的代理。ElevenLabs 驱动的 TTS，嘴唇动作同步，你说一句它接一句，真有点像科幻片。
当然这个功能见仁见智——有人觉得酷，有人觉得尴尬。但作为一个产品亮点，确实让人记住了。
Memory Tree + Obsidian 双向同步
Memory Tree 是它的核心记忆系统——所有接入的数据被规范化为 Markdown 块，存入本地 SQLite，同时生成 Obsidian 兼容的 .md 文件。
这意味着你可以直接在 Obsidian 里浏览和编辑 AI 的记忆，两边实时同步。受 Karpathy 那条著名的 obsidian-wiki workflow 推文启发，openhuman 把这个想法真正落地了。
Model Routing：自动选模型
它不绑定单一模型。推理型任务自动走 GPT-4 / Claude Opus，快速型任务走 GPT-4o mini / Haiku，视觉任务自动切多模态模型，不需要你手动配置。
如果你想完全本地运行，Ollama 支持也已经内置。
// 安装
安装非常简单，桌面端直接去官网下载 DMG 或 EXE。要快的话一行命令搞定：
# 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
从源码构建需要 Rust 1.93.0 + Node 24+ + pnpm 10.10.0 + CMake + Ninja，略复杂但文档很全。
# 源码构建（可选） git clone https://github.com/tinyhumansai/openhuman.git cd openhuman git submodule update --init --recursive pnpm install pnpm --filter openhuman-app dev:app
// 架构
// 竞品对比
| 项目 | License | 易用性 | 记忆系统 | 集成数量 | 成本控制 |
|---|---|---|---|---|---|
| openhuman | GPL-3.0 | ✅ 桌面 UI | ✅ Memory Tree + Obsidian | ✅ 118+ OAuth | ✅ TokenJuice -80% |
| Claude Cowork | 专有 | ✅ 桌面+CLI | ⚠️ 聊天范围 | ⚠️ 少量 | ⚠️ 订阅+附加 |
| OpenClaw | MIT | ⚠️ 终端优先 | ⚠️ 依赖插件 | ⚠️ 自带 | ⚠️ 自带模型 |
| Hermes Agent | MIT | ⚠️ 终端优先 | ✅ 自学习 | ⚠️ 自带 | ⚠️ 多供应商 |
// 性能数据
用今天的 Trending 数据做一个横向对比，看看各项目的增长势能：
// 博主观点
+ TokenJuice 实打实省 80% 成本，开源项目里少见
+ Obsidian 双向同步，Karpathy workflow 落地
+ Model Routing 全自动，不绑模型
+ GPL-3.0 开源，可完全自托管，数据不外流
− OAuth 集成依赖网络，国内访问 Gmail/Google Drive 需代理
− 吉祥物功能偏噱头，实际工作流中使用频率不高
− Rust 源码构建门槛较高，普通用户依赖官方二进制
用了两天下来，我愿意把它当成一个真正的个人 AI 助手而不是玩具。它的核心价值不是某个酷炫的功能，而是把「让 AI 理解我」这件事变得足够简单——连接账户，等 20 分钟，开始聊。
如果你是重视隐私、同时每天被大量信息和工具淹没的人，openhuman 值得认真试试。对团队使用场景来说，它还需要更成熟。