从“被动响应”到“主动认知”传统 Agent
OpenHuman
用户需反复提供上下文
AI 自动抓取并记忆你的数字生活
记忆仅限当前对话窗口
持久化、可编辑的全局记忆
手动配置 API/Skill
一键 OAuth 连接 118+ 服务
本质：把 Karpathy 的 Obsidian Wiki 工作流 自动化、产品化
核心三步链路：连接 → 抓取 → 记忆连接（Connect）118+ 服务一键授权：Gmail、Notion、GitHub、Slack、Calendar 等无需 API Key：OAuth 一键绑定，告别手动配置抓取（Auto-Fetch）20 分钟自动同步：遍历所有连接源，拉取新数据智能摘要归档：新邮件/Issue 自动总结，非原始数据堆砌晨间就绪：早上打开时，AI 已掌握昨日至今的全部上下文记忆（Memory Tree + Obsidian Wiki）双轨存储：本地 SQLite 数据库（≤3k token Markdown 块）Obsidian 兼容的 .md 文件（可直接编辑）可修正记忆：发现 AI 记错？直接在 Obsidian 修改 .md 文件即可关键技术创新TokenJuice 压缩层HTML → Markdown长 URL 缩短非 ASCII 字符清理效果：降低 80% Token 成本与延迟桌面吉祥物（Mascot）语音交互：STT 输入 + ElevenLabs TTS 输出会议参与：以真实参会者身份加入 Google Meet会后问答：“上周三会议的需求是什么？” → 直接回答智能模型路由复杂任务 → 强推理模型简单任务 → 低成本小模型统一订阅：无需管理多个 API Key与同类工具对比特性
Claude Cowork
OpenClaw
Hermes Agent
OpenHuman
记忆持久性
会话级
可学习但黑盒
可学习但黑盒
可读可编辑
集成方式
手动配 Key
插件市场
插件市场
一键 OAuth
上下文获取
被动等待
需 Skill 主动拉取
需 Skill 主动拉取
自动抓取
本地优先
❌
✅
✅
✅ + Obsidian 双写
快速上手安装（一行命令）# macOS/Linux
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

# Windows (PowerShell)
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex系统要求内存：≥16GB（处理大邮箱/本地模型推荐）状态：Early Beta（可能有 Bug）适用场景重度依赖数字工具：Gmail/Notion/GitHub 用户 受困于 AI 失忆：需要持久上下文 Obsidian 用户：熟悉知识库管理 隐私敏感：数据完全本地存储
轻度使用者：偶尔聊天问问题（架构过重）
“当 200 多个大模型都在卷『谁更聪明』时，真正卡住普通人的其实是上下文。”
OpenHuman 的价值不在于模型有多强，而在于：
可读的记忆：你能检查、修正 AI 的认知主动的认知：AI 不再是白板，而是了解你工作流的伙伴工程化 Wiki：把 Karpathy 的手工流程变成自动化产品Agent 下半场的关键方向：比拼的不再是模型能力，而是 对用户的理解深度与透明度。
项目地址：https://github.com/tinyhumansai/openhuman 官网安装：https://tinyhumans.ai/openhuman