夜雨聆风昨天刷GitHub，看到一个项目一天涨了一千多star。
点进去一看，是个叫OpenHuman的东西。Rust写的，GPL开源。
项目的描述就一句话，「Your Personal AI super intelligence. Private, Simple and extremely powerful.」
这玩意能火？
往下翻README，翻到一半我明白了。
它解决了一个我一直在纠结的问题。
用AI助手的人都有过这种体验。你跟它聊了一下午，它帮你写了代码、找了资料、整理了文档。第二天你打开它，问它昨天干了什么。
它说，我不知道。
每一次对话都是从零开始。
Hermes Agent、OpenClaw，这些工具都在想办法解决这个问题。但路子不一样。有的是让你自己配插件、接API，把上下文一点点喂进去。有的是靠对话里的记忆，聊多了自然就记住了。
问题是，你得等。
等它慢慢学，等它攒够上下文，等它知道你的项目结构、你的工作习惯、你常去的那些文档。几天？几周？
OpenHuman说，不用等。
它的做法很骚。
你装好之后，第一步不是写prompt，是连账号。
Gmail、Notion、GitHub、Slack、Calendar、Drive、Linear、Jira……118个第三方服务，一键OAuth授权。
连完之后呢？
它自己跑去拉数据。
每20分钟，它会把你连的所有服务的最新数据，全部拉到你本地机器上。
邮件、日程、代码仓库、文档、聊天记录。全都拉下来。
然后干什么？
压缩。
它把拉下来的所有东西，压缩成不超过3000token的Markdown片段，存到你本地的SQLite数据库里。
同一个数据，还会以Markdown文件的形式，落在一个Obsidian兼容的知识库里。
你可以直接打开Obsidian，翻这些文件，改这些文件。
这个设计我一看就知道是受谁启发。
Karpathy。
他去年发了一条推特，说他在用Obsidian构建一个LLM Knowledgebase。把所有文档、笔记、邮件都压缩成Markdown，存进Obsidian vault，让LLM直接读这个vault来获取上下文。
OpenHuman把这个workflow直接做成产品了。
所以它的agent有什么不一样？
不一样在，它不需要等你跟它聊几周才知道你是谁。
你连完账号，等它跑完第一轮同步。
它已经知道你昨天收了什么邮件、你下周有什么会议、你最近在哪个repo提交了什么代码、你的Notion里记了什么想法。
几分钟，不是几周。
它有个东西叫Memory Tree。把所有压缩后的数据，按层级组织成摘要树。不是把原始数据丢给LLM，是先压缩、先提炼、先组织，再把精华喂进去。
这样LLM拿到的不是一堆乱七八糟的原始数据，是一个结构化的、精炼的「你」的画像。
还有一个东西我挺好奇的。
它说能降低80%的token消耗。
怎么降的？
它有个叫TokenJuice的压缩层。
每次tool call返回结果、每次抓网页、每次读邮件，它都会先跑一遍压缩。HTML转Markdown，长URL缩短，非ASCII字符去掉。
信息量不变，但token数砍掉了大半。
这意味着什么？
意味着你可以用一个订阅，干更多的事。不用每次调用都心疼token烧得快。
它还有一个东西，叫mascot。
一个桌面吉祥物。
会说话，会反应，会盯着你的屏幕。
更骚的是，它可以真的加入你的Google Meet，作为一个真实的参与者出现在会议里。
你可以让它替你听会议、记笔记、插话（如果你敢的话）。
我还没试过这个功能。但光是想想就觉得有点离谱。
对比一下其他agent框架。
OpenClaw，终端优先，自己配模型，自己找插件接上下文。适合硬核玩家。
Hermes Agent，自己学习记忆，但需要时间积累。也是终端优先。
Claude Code，桌面+CLI，但上下文局限在对话里，没有持久记忆。而且要额外配各种API key。
OpenHuman的路子是，桌面优先，一键连账号，自动拉数据，本地存记忆，内置模型路由。
它想做的不是给你一个工具让你自己拼拼凑凑。是想给你一个已经「认识你」的agent。
当然，它还在early beta。
README里写了，「Under active development. Expect rough edges.」
有94个open issue。说明很多人在用，也说明很多坑还没填。
但能在一天之内涨一千多star，说明它戳到了一个真实的痛点。
这个痛点是什么？
是上下文。
是等待。
是每一次打开AI助手都要从零开始的那种无力
我有时候觉得，AI助手最大的问题不是能力不够强。
是它每次都像第一次见你。
你跟它解释一遍你是谁、你在干什么、你的项目是什么样的。
第二天，再来一遍。
OpenHuman想做的，是让你不用解释。
连账号，等几分钟。
它已经知道了。
OpenHuman
开源地址：github.com/tinyhumansai/openhuman