AI 助手真正「记住你」需要几步?OpenHuman 用 Memory Tree 实现跨平台持续记忆

AI 助手真正「记住你」需要几步？OpenHuman 用 Memory Tree 实现跨平台持续记忆

桌面 AI 助手 · 持久记忆 · 118+ 集成 · Token 压缩 —— tinyhumansai/openhuman 是一个开源的个人 AI 超级智能体，用 Rust + Tauri 构建，定位为「几分钟内了解你，而不是几周」。

从安装到拥有一个认识你、能自动同步 Gmail/Notion/GitHub/Slack 并以桌面吉祥物形态与你互动的 AI，整个过程可以在一杯咖啡的时间内完成。

AI 助手的「冷启动」困境

用过 AI 助手的人大多有过这样的体验：每次打开一个新对话，都得重新交代背景——「我在 XX 公司做 YY 工作，上周的项目进展到 ZZ 阶段」。即使是上下文支持的对话式助手，一切话题就得从头来过。

现有方案各有痛点：

• Claude Cowork：聊天绑定会话，跨会话记忆为零，且不开源、单独付费

• OpenClaw：功能强大但终端优先，记忆依赖用户手动配置插件

• Hermes Agent：具备自我学习能力，但集成生态系统需要自行搭建

这些产品有一个共性缺陷：它们不「认识你」，只是「回应你」。每次对话都像第一次见面。

OpenHuman 的目标用户正是那些对现有 AI 助手「记不住自己」感到疲惫的深度用户——开发者、项目经理、内容创作者，以及任何每天在多个平台上产生信息的人。

从安装到真正可用：最短上手路径

OpenHuman 强调「UI 优先」，安装后通过图形引导完成设置，无需编辑配置文件。

第一步：一键安装

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

安装后启动桌面应用，即会进入 Joyride 引导流程，完成账号绑定。

第二步：连接你的服务

在设置页面通过 OAuth 一键接入你使用的平台——Gmail、Notion、 GitHub、Slack、Linear、Jira、Google Drive、Stripe 等 118 个以上集成。每个连接暴露为类型化的工具（typed tool），代理可以直接调用。

第三步：让 AI 开始「认识你」

连接完成后，自动进入核心循环：

• Auto-fetch：每 20 分钟，核心遍历所有活跃连接，拉取新数据（新邮件、新工单、新 PR）

• Memory Tree 消化：原始数据经过规范化、分块（≤3K tokens/块）、打分后存入本地 SQLite

• Obsidian 落地：同一份数据同时以 .md 文件形式写入 Obsidian 兼容的知识库，可直接浏览、编辑

典型使用场景举例

场景一：日常邮件简报

连入 Gmail 后，对 AI 说「有哪些重要的邮件？」由于 Auto-fetch 已在后台持续同步， AI 直接基于已记忆的邮件内容给出摘要，无需实时拉取。

场景二：跨项目同步

「我这周在 GitHub 上开了哪些 PR？对应的 Notion 任务进度如何？」跨平台的数据已在 Memory Tree 中关联，AI 可一次性给出回答。

场景三：会议助手上线

在 Google Meet 中邀请 OpenHuman 的吉祥物加入，它能听会、做笔记、在结束后输出会议纪要和待办事项。

Memory Tree 与 TokenJuice：两个核心创新

OpenHuman 的架构围绕两条主线展开： 让 AI 能记住和让记忆成本可接受。

Memory Tree：三层检索体系

Memory Tree（src/openhuman/memory/tree/）采用三级架构：

• Tree Source：按数据来源（Gmail、Slack 等）组织，每个源独立索引

• Tree Topic：跨源的语义主题聚类

• Tree Global：全局概要层，供快速上下文加载

数据流：原始文本 -> canonicalize（归一化） -> chunker（分块，生成确定性 ID） -> score（质量打分） -> 存入 SQLite（含 FTS5 全文索引和向量嵌入）。检索时按相关度打分排序，分桶合并后送入 LLM。

TokenJuice：Token 压缩引擎

工具调用的输出（git log、npm install、scrape 结果）往往是冗长的原始文本。OpenHuman 内置的 TokenJuice （src/openhuman/tokenjuice/）会在这些文本进入 LLM 上下文前进行智能压缩。

以 git status 为例，原始输出 "On branch main\n\tmodified: src/lib.rs\n" 被压缩为 "M: src/lib.rs"。项目报告压缩率可达 80%，直接降低了 API 费用和响应延迟。

规则按三层覆盖加载：内置规则 -> 用户自定义 ~/.config/tokenjuice/rules/ -> 项目本地 .tokenjuice/rules/。

Subconscious：后台思考引擎

当用户离开后，Subconscious 模块（src/openhuman/subconscious/）继续在后台运行：分析新同步的数据、执行反思（reflection）、生成情境报告。这意味着再次打开电脑后，AI 已经看过了你新收到的邮件，并准备好了相关的上下文。

立即落地的场景与更广阔的想象空间

个人可直接上手的场景

对于个人用户，最直接的收益是一站式接入。不再需要在不同平台间切换去查邮件、查项目进度、查日历，对一个 AI 说话就能覆盖这些场景。结合 TokenJuice 和统一订阅（不需要为每个模型单独买 API Key），日常使用成本可控。

团队协作场景

团队可以将 OpenHuman 作为共享知识代理，连入团队共享的 Slack、Notion、Linear，自动汇总每日进展。Meet Agent 功能也适用于团队例会自动记录。

更长远的可能性

OpenHuman 的架构允许它向「持续运行的 AI 同事」演化。 Memory Tree + Subconscious 的组合已经接近「AI 在你离开后还在思考」的状态。结合桌面吉祥物（内置在 Remotion 渲染引擎中的动画系统）， OpenHuman 可能是通往更具人格化、具身化 AI 形态的早期路径。

不过需要注意的是，OpenHuman 目前仍处于 Early Beta 阶段，部分功能（如 Meet Agent 的脑循环）还在建设中。隐私方面，数据本地优先存储在 SQLite 中，但也通过后端代理访问 Composio 集成，整体隐私模型在 README 中有透明披露。