OpenClaw要养三个月,这个AI连上账号5分钟就认识你了

你还记得第一次用OpenClaw的感觉吗？

刚装好的时候，那只小龙虾什么都不懂。你跟它说话，它回你一些泛泛的东西，跟ChatGPT没什么区别。然后你开始「养」它，每天跟它聊几句，喂它一些文档，教它你的习惯，告诉它你喜欢什么不喜欢什么。

一个月过去，它开始有点样子了。两个月，勉强能帮你干点活。三个月，终于像个「懂你的助手」了。

这个过程我自己走过一遍。说实话，挺累的。

不是说OpenClaw不好，它确实是目前最有「人格感」的AI产品之一。但每次我跟朋友推荐的时候，都得加一句，「你得有耐心，前两周基本是废的」。

然后前几天我在GitHub Trending上刷到一个项目，叫OpenHuman。

点进去一看，6400多个star，Rust写的，开源，桌面端应用。README第一句话就是，「Your Personal AI super intelligence. Private, Simple and extremely powerful.」

我当时没太当回事。这种话GitHub上每天能看到十几个项目在说。

但接着往下看的时候，有一句话让我停住了。

「Context in minutes, not weeks.」

几分钟获得上下文，不是几周。

嗯？？？

它凭什么说5分钟就能认识你

我带着怀疑点进了它的文档。

OpenHuman的逻辑跟OpenClaw完全不一样。OpenClaw的思路是「你来教我」，你跟它互动越多，它越了解你。本质上是一个需要用户主动投入时间和精力的过程。

OpenHuman的思路是「我自己去看」。

你装好之后，它会让你连接你的各种账号。Gmail、Google Calendar、Notion、GitHub、Slack、Stripe、Linear、Jira。。。一共支持118个第三方服务，全部是一键OAuth授权。

连上之后呢？

它每20分钟自动去拉一次数据。你的邮件、你的日程、你的文档、你的代码仓库、你的聊天记录，全部拉到本地。

然后用一个叫Memory Tree的东西，把所有数据压缩成不超过3000 token的Markdown块，按层级组织成一棵记忆树，存在你本地的SQLite里。

一次同步。

就这么简单。

你的AI助手就知道你是谁了。知道你明天有什么会，知道你上周跟谁在讨论什么项目，知道你的代码仓库里最近在改什么东西，知道你的邮件里有哪些待办。

不需要你教它。不需要你养它。不需要你每天花时间跟它「培养感情」。

它自己去翻你的东西，自己总结，自己记住。

说实话，我第一反应是害怕

不是害怕AI太强。

是害怕隐私。

你想想，一个软件，连上你的Gmail、日历、Notion、Slack，每20分钟自动拉一次数据。这要是个流氓软件，你的整个数字生活就全暴露了。

所以我花了点时间去看它的架构。

首先，它是开源的。GPL-3.0协议，代码全在GitHub上，任何人都能审计。Rust写的核心逻辑，占了将近70%的代码量。TypeScript写的前端UI。

其次，所有数据存在本地。SQLite数据库在你自己的机器上，Memory Tree生成的Markdown文件也在本地，还兼容Obsidian，你可以直接用Obsidian打开来看它到底记了些什么。

第三，它不把你的原始数据发给任何LLM。它有一个叫TokenJuice的压缩层，所有数据在送给模型之前，先经过压缩处理。HTML转Markdown，长URL缩短，非ASCII字符清理。官方说能减少80%的token消耗。

这个设计让我稍微放心了一点。

但说实话，「开源」和「本地存储」不能完全打消我的顾虑。118个OAuth连接，意味着你的token确实在本地，但授权本身是给出去了的。如果有人拿到你的机器权限，那这些OAuth token就全暴露了。

这个风险不是OpenHuman独有的，任何本地优先的集成工具都有这个问题。但我觉得值得提一嘴，别因为「开源」两个字就完全放下戒心。

它还有一张脸

这是让我觉得最有意思的部分。

OpenHuman不只是一个后台跑着的Agent，它有一个桌面吉祥物。一个小人，会说话，有表情，能对周围环境做出反应。

更离谱的是，这个吉祥物能加入你的Google Meet。

对，作为一个真实的参会者。

它会在会议里听你们讨论，实时做笔记，会后给你总结。你甚至可以在会议中直接问它问题，它会用语音回答，嘴型还能对上。

ElevenLabs的TTS，加上唇同步，加上桌面端的CEF渲染。技术栈我大概能想象，但产品体验确实挺超前的。

我没有实际试过这个功能，因为目前还是Early Beta，很多东西还在打磨。但光是看demo视频，就已经能感觉到它想做的事情跟现有的AI助手完全不在一个维度上。

OpenClaw是一只龙虾，你养它，它陪你。

OpenHuman是一个「人」，它主动了解你，替你干活，甚至替你开会。

两个产品的哲学完全不同。

跟其他AI助手比一下

我整理了一下目前市面上几个主要的个人AI助手的对比。

ChatGPT，闭源，聊天记忆只在对话范围内，没有主动获取你数据的能力。你得自己把东西喂给它。

OpenClaw，开源，有自学习能力，但需要时间「养」。插件生态丰富，但集成需要你自己配置。

Hermes，开源，也有记忆系统，但同样需要较长的学习周期。

Perplexity Personal Computer，刚发布Mac版，能访问本地文件和应用，但不是开源的，而且更偏搜索和问答。

OpenHuman的差异化在哪？

第一，不需要养。连上账号，20分钟后它就有你的完整上下文了。

第二，118个集成开箱即用。不需要你去找插件、配API key、写配置文件。一键OAuth就完事了。

第三，Model Routing。它内置了模型路由，不同任务自动分配给不同的LLM。推理任务用强模型，快速回复用轻量模型，图片理解用视觉模型。你不需要自己选模型。

第四，付费灵活。你可以直接买官方的订阅plan，省心省事，一个账号搞定所有模型调用。也可以不花这个钱，自己配置模型，填自己的API key，用Ollama跑本地模型也行，接OpenAI或者Anthropic的接口也行。丰俭由人。

说实话，单看每一个特性，都不是什么独创。但把这些东西整合到一个产品里，开箱即用，不需要折腾，这个体验确实是目前其他开源项目做不到的。

但它现在还很粗糙

我得说实话。

OpenHuman目前是Early Beta。v0.53，连1.0都没到。

GitHub上76个open issues，代码提交非常活跃，几乎每小时都有新commit。这说明团队在拼命干活，但也说明产品还远没有稳定。

我试着在Mac上装了一下，安装过程还算顺利，curl一行命令搞定。但启动之后，UI的响应速度不太行，有些地方点了没反应要等几秒。OAuth连接的过程中有一两个服务报错了，我没深究是我的问题还是它的问题。

然后最大的问题来了。

不支持中文。

对，整个界面、交互、文档，全是英文。中文输入能用，但体验明显没有针对中文做优化，有些地方会出现乱码或者截断。

更要命的是，它的118个集成里，清一色是海外服务。Gmail、Slack、Notion、Linear、Jira。。。

飞书？没有。钉钉？没有。企业微信？没有。飞书文档？没有。语雀？没有。

对于我们这些在国内办公生态里泡着的人来说，这基本等于，你最核心的工作数据它一个都拉不到。

你的日程在飞书日历里，你的文档在飞书文档里，你的沟通在企业微信或钉钉里。OpenHuman连上你的Gmail和Google Calendar，然后告诉你「我已经了解你了」。

了解个寂寞。

这是目前最大的硬伤。如果你的工作流完全在海外生态里（Gmail + Slack + Notion + GitHub），那OpenHuman确实能做到它承诺的「5分钟认识你」。但如果你跟我一样，白天在飞书里开会写文档，那它现在对你来说就是个半成品。

不过话说回来，它是开源的。理论上社区可以贡献飞书、钉钉的集成。但目前还没看到有人在做这个事。

创始人叫senamakel，从GitHub的贡献者列表来看，核心开发团队不大，大概十几个人在活跃贡献。有意思的是贡献者列表里有一个叫@claude的账号，排名第二。。。

嗯，AI写AI。这个时代。

社区方面，有Discord、Reddit、X，但规模都不大。不像OpenClaw那样已经有了一个成熟的生态和大量的第三方开发者。

所以如果你现在就想要一个稳定好用的个人AI助手，OpenHuman可能还不是最佳选择。但如果你是那种喜欢尝鲜、能忍受bug、工作流恰好在海外生态里、愿意跟着一个项目一起成长的人，它值得关注。

「养」vs「连」，两种AI记忆哲学

写到这里我想聊一个更大的问题。

OpenClaw和OpenHuman代表了两种完全不同的AI记忆哲学。

OpenClaw的哲学是「关系型记忆」。它相信，AI了解你的最好方式，是跟你建立关系。你们一起经历事情，一起解决问题，在这个过程中AI自然而然地了解了你。就像交朋友一样，需要时间，需要互动，需要共同经历。

OpenHuman的哲学是「档案型记忆」。它相信，AI了解你的最好方式，是直接读你的档案。你的邮件、日程、文档、代码，这些东西里已经包含了关于你的一切信息。AI不需要跟你「培养感情」，它只需要有权限去看这些东西就够了。

哪种更好？

说实话我也不确定。

关系型记忆更有温度，你会觉得AI真的「认识」你，因为你们有共同的记忆。但代价是时间，而且如果你换了设备或者重装了系统，这些记忆可能就没了。

档案型记忆更高效，5分钟就能让AI获得你几年的上下文。但它「认识」的是你的数据，不是你这个人。它知道你明天有什么会，但它不知道你开会的时候喜欢摸鱼。

也许最终的答案是两者结合。先用档案型记忆快速建立基础认知，再用关系型记忆慢慢补充那些数据里看不到的东西。

但目前来看，还没有哪个产品把这两种做到一起。

这可能是下一个值得关注的方向。

Karpathy的影子

顺着这个再聊一个事。

OpenHuman的Memory Tree + Obsidian Wiki这套设计，灵感来源写得很明确，Karpathy的LLM Knowledgebase工作流。

Karpathy之前在X上分享过他的个人知识管理方式，用Obsidian做本地知识库，把所有看过的论文、文章、想法都整理成Markdown文件，互相链接，形成一个个人的知识图谱。

OpenHuman把这个思路自动化了。你不需要自己整理，AI帮你整理。你不需要自己写笔记，AI帮你写。你不需要自己建链接，AI帮你建。

而且它生成的Markdown文件直接兼容Obsidian。如果你本身就是Obsidian用户，这个体验就很丝滑了。你打开自己的Obsidian vault，会发现里面多了一堆AI自动生成的笔记，跟你自己写的笔记混在一起，互相链接。

对于Obsidian重度用户来说，这可能是OpenHuman最有吸引力的一个点。你不需要改变任何现有的工作流，AI生成的记忆直接融入你已有的知识库。

这个方向我觉得是对的。

Karpathy的方法好是好，但需要极强的自律和大量的时间。大部分人（包括我）根本坚持不下来。如果AI能自动帮你做这件事，那相当于每个人都有了一个Karpathy级别的知识管理系统。

当然，前提是AI整理的质量够高。这个我还没有深度体验，不好下结论。

但方向是对的。

写在最后

回到标题。

OpenClaw要养三个月，OpenHuman连上账号5分钟就认识你了。

这不是说OpenClaw不好。OpenClaw的「养」的过程本身就是一种体验，很多人享受那个过程，就像养电子宠物一样。

但对于那些没有耐心、只想要一个「上来就能用」的AI助手的人来说，OpenHuman提供了一种新的可能性。

它现在还很粗糙，bug不少，社区也小。但它的设计哲学让我觉得，这可能是个人AI助手的下一个形态。

不是你去适应AI，是AI来适应你。

不是你花时间教AI，是AI自己去学。

不是你养它，是它自己长大。

反正我先star了。等它再稳定一点，我打算认真用一段时间再来跟大家汇报。

你现在用的AI助手是哪个？有没有那种「我都用了三个月了它还是不懂我」的时刻？评论区聊聊。

如果对你有帮助，可以的话请点赞、收藏+关注谢谢你看我的文章，我们，下次再见。

/ 作者：rocs