OpenClaw或 Hermes每次都从零开始认识你?OpenHuman用Memory Tree和118+集成解决了这件事

OpenHuman 的对话界面——左边是会说话的 Tiny，右边是正在帮你查邮件的 AI

我有一个用 Notion 记事、用 Gmail 处理工作、用 Slack 跟同事聊天的朋友。

他每次跟 AI 说话，都要先解释一遍自己是谁、在做什么、上次说到哪了。

这件事让他很烦。不是 AI 不够聪明，而是它每次都从零开始认识你。

01 | 绕了这么久，有人认真在解决这件事

OpenHuman 是一个开源的 AI 助手框架，最近在 GitHub 上的 Star 数从几乎为零到两周内突破 4000，增长曲线几乎是垂直的。

过去两个月的 Star 增长曲线，5月之后几乎垂直拉升

它解决的核心问题只有一个：让 AI 在真正认识你之后再跟你说话。

具体的做法是：连接你的 Gmail、Notion、GitHub、Slack 等账号，每 20 分钟自动拉一次数据，把内容压缩后存进一个本地的 Obsidian 风格知识库。下次你问任何问题，AI 已经有上下文了，不需要你再解释。

02 | Memory Tree 长什么样

OpenHuman 的 Obsidian 知识库——邮件、文档、聊天记录全部被压缩成有结构的 Markdown 文件

这个截图是 OpenHuman 在本地生成的知识图谱，每一个节点是一块压缩后的 Markdown 文件，来自你的邮件、文档或者聊天记录。

它的设计灵感来自 Karpathy 的 obsidian-wiki 工作流——把所有数据压缩成 ≤3000 token 的 Markdown 块，分层打标，存在 SQLite 里，同步成本地文件。

说白了就是：AI 不再靠你描述你的工作，而是自己去看你的工作。

我测了一下，连上 Gmail 之后等一个同步周期，问它「最近有什么重要邮件」，它直接列出来了。不需要我粘贴任何内容。

03 | 和现有工具的差距在哪

OpenHuman 与主流 AI 助手框架的功能对比

表里有几列值得单独说一下：

自动拉取：118+ 个集成里，每 20 分钟自动同步数据到本地，这是其他框架没有的。Hermes、OpenClaw 都要你主动喂数据。

模型路由：内置把不同任务分配给不同模型（推理型/快速型/视觉型），不需要你手动切换。一个账号搞定，没有多厂商 API key 管理的麻烦。

TokenJuice：每次工具调用、搜索结果、邮件内容进 LLM 之前都会先压缩——HTML 转 Markdown，长 URL 缩短，据说能减少 80% token 用量。

04 | 那个会说话的小黄人

OpenHuman 还有一个功能让我觉得挺有意思：它有一个叫 Tiny 的桌面吉祥物，会跟你对话，能同步嘴型，还能以「真实参会者」的身份加入你的 Google Meet。

这不是噱头，是产品思路的一部分——让 AI 从一个命令行工具变成一个你能感知到的存在。

目前还是早期 Beta，有些地方不够稳，但方向挺明确的。

05 | 怎么装

可以直接去官网下载桌面端（支持 macOS / Windows），或者用命令行：

连好账号，等一个 20 分钟的同步周期，然后问它一个需要上下文的问题——感受就出来了。

你现在用的 AI 工具，有没有让你觉得「它好像真的记得我」的时候？评论区聊聊。

⭐点赞、转发、关注和推荐一键三连⭐