夜雨聆风关于OpenHuman、记忆树，以及AI代理赛道的冷与热
OpenHuman桌面端产品主视觉
你有没有这种感觉
用了半年AI助手，它还是不认识你。每次打开新对话，重新介绍自己，重新解释项目，重新说明偏好。它有工具、有能力，就是没有记忆。
5月的第三个周末，GitHub上冒出个项目，直接把这个痛点推上了热榜第一。它叫OpenHuman，由Tiny Humans AI团队开发。
你可能见过这两天刷屏的AI项目，给AI工具链装尾巴的、给大模型接各种各样的家的。OpenHuman和他们不一样。它的野心更大，让AI助手在几十分钟内了解你。
截至5月20日，OpenHuman在GitHub上已获得21.8k星。只花了一个周末就破了1万星。作为对比，OpenClaw拿到第1万星花了62天，HERMES花了10天。项目累计1737次提交，发布31个版本，从安装到可用只需几分钟。连续登顶GitHub Trending榜首，一天涨星超过1000。OpenHuman使用GNU通用公共许可证版本3。Product Hunt精选推荐，X和Reddit上讨论不断。
为什么是OpenHuman
开源社区刷榜的项目不少。OpenHuman的特别之处，在于它找问题的角度和别人完全不同。
很多人吐槽AI助手像金鱼，七秒记忆，聊完就忘。其实还有三个更深的痛点没人认真解决：每次开新对话都要从头训起；你的邮件在Gmail、代码在GitHub、笔记在Notion、聊天在Slack，让AI怎么联得起来；更糟的是，敏感数据不敢给云端，怕泄露。
OpenHuman直接从根上解决问题。
它背后的团队tinyhumansai给自己下了个定义：一个专注于创建接近人工意识的AI算法的AI实验室。团队创始人此前给父亲安装开源AI代理时折腾了三个小时，在API密钥、YAML配置文件、不认识的终端里挣扎，最后两人都放弃了。那天的挫败感让他下定决心：今天每一个强大的AI代理，都是为那0.01%能自己搭环境的人设计的，剩下99.99%只能站在场边围观这场代理革命。
所以他们的产品理念不是简单做一个聊天框，而是直接把大模型、工具调用、长期记忆、第三方软件连接和本地文件能力全放进一个桌面应用里。官方定义是：一个完整的桌面端个人AI系统。性能层面，OpenHuman采用Rust占比约69.7%搭配TypeScript和Tauri的组合，替代主流的Electron，设计之初就把性能和低内存占用作为优先考量。
这个选择本身就是一种表态。Electron方案意味着内嵌Chromium，安装包大、内存占用高。Tauri用原生WebView替代，应用启动更快、包体更小。Rust作为核心语言确保内存安全和高性能，但也意味着贡献门槛更高，不是随便一个前端开发者就能上手改代码的。
连接、抓取、记忆树：三步让你被AI记住
OpenHuman的核心是三步走：连接、抓取、记忆树。
第一步：连接
它支持118+第三方服务一键授权，包括Gmail、Notion、GitHub、Slack、Stripe、Google Calendar、Google Drive、Linear、Jira等。关键是不需要手动配API Key，点一下授权就行。系统还在持续扩展，开发者方面包括GitHub、GitLab、Bitbucket，团队协作有Slack、Teams、Discord，项目管理有Jira、Trello、Asana、Linear。这才是面向普通人的设计。
118+应用一键OAuth授权连接
第二步：自动抓取
授权后，核心引擎每20分钟自动轮询所有连接的账户，新邮件、日程变更、代码提交、文档更新，统统拉到本地存储。
第三步：记忆树
所有数据经过清洗压缩，切分成不超过3000词元的Markdown片段，打分后构建层次化的摘要树，存放在本地SQLite数据库里。同时同一份数据会同步生成可在Obsidian中打开浏览的.md文件。
这里值得多说两句。记忆树不是传统意义上的向量数据库。它的设计借鉴了人类分层记忆的思路，产生三种不同粒度的树：来源树，每个数据源拥有独立的滚动缓冲区，按L0到L2层级密封，适合回溯某个Gmail标签或Slack频道的完整时间线；主题树，基于热度算法为高频实体构建摘要树，适合追踪某个项目、人物或关键词的演变；全局树，每日UTC时间生成全局摘要，适合回答今天发生了什么这类跨源问题。
浅层节点捕获高层概要，深层节点保留细粒度细节。Embeddings仍然存在于节点中以支持语义搜索，但树状结构让记忆具备可解释性，不再是碎片化的相似度匹配。
记忆树三层架构：来源树、主题树、全局树
这个设计灵感来自前特斯拉AI总监Andrej Karpathy的工作流。Karpathy在2026年4月提出的LLM Knowledge Base概念，核心是用Markdown文件构建个人知识库。但他的问题是全程手动，自己整理Markdown、自己分类、自己更新，一天不维护知识库就过期。OpenHuman把整个手工过程变成了全自动生产线。
三层规则叠加保证了灵活度：内置默认规则、用户自定义规则、项目级规则，全以JSON文件存储，改了不需要重新编译。
记忆树有一个真正独特的性质：AI记住的一切你都可以看见。如果记错了，直接用Obsidian打开对应的文件手动改。这在当前AI代理领域几乎找不到第二个。其他方案的记忆要么是黑盒向量库，要么是聊天历史的简单摘要，用户无法审查、无法编辑、无法理解AI为什么记住了这个而不是那个。OpenHuman把记忆变成了一个人类可读的知识库，这个设计决策背后的直觉是：如果用户不能理解和修正AI的记忆，那所谓的长期记忆就是不完整的。
TokenJuice和桌面吉祥物
OpenHuman有两个容易被忽视但很聪明的设计。
TokenJuice智能压缩
每个工具调用结果、网页抓取内容、邮件正文等，在送入大模型前会先经过压缩：HTML转Markdown、长URL缩短、冗余内容剔除、去重优化，同时完整保留中文和emoji等字符。官方数据表明最多可降低80%的响应延迟和词元消耗。
80%这个数字需要拆开看。PrimeAI Labs做了一个独立测试：同一个查询，跨GitHub和Notion汇总最近30天的项目活动，原始API调用拉了大约48000个token，经过TokenJuice处理后降到约14200个token，实际压缩率约70%。不到80%，但绝对显著。在没有压缩的情况下，让前沿模型扫六个月的邮件可能单次就要花20到30美元；有TokenJuice，同样的操作大概是个位数美元。
不过压缩技术本身存在一个权衡。代码片段、合同条款、时间戳这类信息，过度压缩可能改变语义或丢失关键证据。CSDN上有分析建议采取分级策略：邮件笔记高压缩，合同代码低压缩或无压缩。OpenHuman目前还没有提供细粒度的压缩级别控制，这是一个有待完善的地方。
桌面吉祥物
一个可视化的小形象，会说话、能对环境做出反应，甚至可以作为一个真实参与者加入谷歌会议。它还能跨周记住用户信息，后台持续思考，即使你停止输入它仍在运行。
吉祥物不是噱头。从产品心理学角度看，一个有表情、有声音、会反应的桌面存在，和终端窗口里一行行滚动的文字，给用户的信任感和陪伴感完全不同。OpenHuman的创始人用了一个很直接的表达：agent应该有一张脸。这张脸让用户愿意把更多工作交给它，愿意让它常驻后台，愿意长期使用。在Agent弃养潮蔓延的2026年，降低弃养率的不是一个更长的功能清单，而是一种不同的关系感。
吉祥物在Google Meet中的实现也值得一提。它不是简单的录音机器人，而是通过Rust编写的camera bridge，把吉祥物的动画帧作为虚拟摄像头的输出注入到Meet的出站视频流中。音频桥接则通过Chrome DevTools Protocol控制Meet的页面级音频。mascot在会议中可以实时说话、做唇形同步，同时后台AI在转录和分析会议内容。
此外，模型路由功能让推理任务自动匹配推理模型，快速响应匹配快速模型，图片理解匹配视觉模型。PrimeAI Labs的测试数据显示：从记忆树中简单召回用本地Gemma3 1B模型平均1.2秒，跨源摘要用Claude Sonnet 4.6平均4.8秒，邮件起草用GPT-5.5平均3.9秒。当然，你也可以通过Ollama接入本地模型，敏感任务跑在自己机器上。
虾、马、人：AI代理赛道的三种解法
AI代理赛道三强：虾、马、人
AI代理赛道有几个标志性项目。
OpenClaw累计37.2万GitHub星，通过广泛的插件生态和50多个消息平台连接打天下。HERMES Agent走深度优先路线，闭环学习让它在执行复杂任务后能自我更新技能包，累计15.3万星。OpenHuman和他们最大的差别首先在门槛上。
很多AI代理早期默认面向macOS或服务器用户，OpenHuman从一开始就给Windows用户提供了原生安装包。这不是小事。Windows才是更大的桌面市场，如果能把Windows体验跑顺，OpenHuman就不只是服务程序员，而是在把代理往普通办公人群里推。
其次是模型调用方式。OpenClaw和HERMES更像BYOK工具，你要用就得自己去准备OpenAI、Anthropic等的API Key。OpenHuman不仅支持用户用别人的API，还准备了自有的专用模型，强调自己的模型更省词元。创始人给出的逻辑是：别人的模型只是具备了agent能力，而OpenHuman的模型生来就是为了agent准备的，所以自然更便宜。这个说法有一定道理，但也意味着用户对模型选择的自由度相对较低。
第三是集成广度。OpenClaw由开发者维护插件生态，HERMES做多供应商拼接，Claude Cowork连接器极少。OpenHuman是目前开源里集成数量最多的选手，118+服务一键接入。
第四是激活成本。HERMES要观察你工作几天甚至几周才能积累有用上下文，OpenClaw要靠插件慢慢搬运信息。OpenHuman直接跳过等待期，连接完账户，auto-fetch功能每20分钟拉一次数据，装好当天就能用。
最后是记忆的可编辑性。这是OpenHuman最独特的地方。AI记住的一切你都可以看见，如果记错了，直接用Obsidian打开对应的文件手动改。
但这个对比也需要打一个补丁。OpenClaw的插件生态和50+消息平台覆盖，是OpenHuman目前无法比拟的。HERMES的自学习循环让它在长期使用中可能越来越聪明，而OpenHuman的记忆本质上是对已有信息的压缩和结构化，不是从行为中学习。三种方案各有取舍，OpenHuman的优势在于冷启动速度和记忆的可审查性，劣势在于生态深度和学习能力的上限。
越像操作系统，风险越大
36氪在一篇体验文中提出了一个关键问题：越用越后怕。
这个后怕不是没有道理的。当OpenHuman把118个服务的账号全部接入、每20分钟把你的完整数字生活拉到本地，它实际上在你的电脑上构建了一个极其完整的个人数据图谱。邮件内容、代码变更、财务信息、日程安排、聊天记录，全部集中在一个地方。
数据存在本地，比存在云端更安全吗？理论上是的。本地优先的架构意味着你的数据不会上传到OpenHuman的服务器。但安全是相对的。一旦本地系统被攻破，攻击者获取的不是单一应用的数据，而是你整个数字生活的完整图景。这比单个Gmail账号泄露的后果严重得多。
思科在一份安全报告中把OpenClaw形容为从安全角度看绝对是一场噩梦。OpenHuman虽然把数据放在本地，但攻击面的逻辑是一样的：接入的服务越多，集中存储的数据越完整，一旦出问题影响就越大。
OpenHuman还有一个更微妙的隐私问题：模型路由意味着你的数据会被发送到不同的云端模型提供商。TokenJuice在发送前做了压缩，但压缩后的内容仍然包含你的工作上下文。对于特别敏感的工作负载，本地Ollama模型是一个可选的替代方案，但这又回到了那0.01%和99.99%的问题，普通用户大概率不会去配置本地模型。
创始人对开源有非常务实的判断。现代人每天的工作流光是窗口切换可能一天就能浪费掉两小时，而现有的解决方案都只解决了一半。他的解决方案简单粗暴：不说教、不预设、不让人花时间适应机器，而是让机器主动适应人。
他在产品里做的三个决定尤其值得一提。第一，Windows优先。传统的AI代理默认面向macOS开发者，但Windows才是更大的桌面市场。第二，安装包不用终端。直接下载、双击、下一步、完成。第三，不给开发者做玩具，给普通人做工具。0.01%能自己搭环境的人和剩下99.99%在场边观望的人，他选了后者。
OpenHuman早期测试版体验仍然不够完美。截至5月19日，产品还在快速迭代中，v0.54.0刚刚发布，GitHub上有用户反馈在Windows上运行时每2秒弹出透明窗口的问题已被修复。记忆树的跨源冲突处理机制尚未详细说明，当Gmail中的信息与Notion中的信息矛盾时，树结构如何决定优先级？热度算法的细节未公开，用户难以理解和调优。这些都说明还有大量的优化空间。
虾退热之后
AI代理赛道2026：技术热度和用户留存的冰火两重天
当我们把注意力从某某公司融了几十亿转移到OpenHuman时，会看到一些更本质的趋势。
2026年被很多人称为AI代理元年。Gartner预测到今年底将有40%的企业应用嵌入任务型AI智能体，中国企业级AI智能体市场规模将突破480亿元。
但数字之下是另一番景象。量子位的观察指出了一个关键反差：2026年代理赛道，OpenClaw、HERMES、OpenHuman等技术框架密集迭代，开发者热情高涨，但用户端弃养潮蔓延，技术演进与用户留存严重脱节。
EvoMap创始人在量子位AIGC2026圆桌论坛上说了个大实话：C端用户在慢慢流失。这里说的C端是完全没有编程基础、也不指望Agent做什么的人。让他用OpenClaw、用Opus 4.7，可能只问今天天气怎么样，这属于算力浪费。而Token大户，一个月消耗五六万美金Token的人，在往B端和D端走。
Foundation Capital那篇广为流传的Context Graphs文章指向了同一个判断：Agent公司真正的护城河不在框架本身，而在执行过程中沉淀下来的决策经验。光搭一个壳是不够的，能沉淀know-how才有壁垒。
OpenHuman的特别之处在于它从一开始就想的是留存问题。不是做得更复杂，而是让普通人也能用上。它不是在框架层面和OpenClaw、HERMES卷迭代速度，而是在产品层面解决一个更根本的问题：用户为什么愿意留下来。
一个有记忆的AI助手，和一个没有记忆的AI助手，不是程度上的差别，是种类上的差别。前者你能和它建立长期关系，后者你只是偶尔想起来才打开。OpenHuman引爆的这个趋势，或许比任何一个几十亿美元的融资更值得关注。
但它能不能真正留住人，不取决于GitHub上有多少星，而取决于那个黄色小吉祥物能不能让一个不懂代码的人觉得：这东西真的在帮我，我离不开它了。
这一点，2026年还没人能给出答案。
参考来源
1. 知乎专栏《19.2K Star！这个开源 AI 桌面助手，真的记住你这个人了》，2026年5月22日
2. 36氪《OpenHuman刷屏硅谷，开源、免费、能接100多个应用，但我越用越后怕》，2026年5月18日
3. EEworld《After Shrimp Horse, another hot topic! OpenHuman learns everything about you in 20 minutes》，2026年5月16日
4. CSDN《OpenHuman 深度剖析：让 AI 成为真正懂你的桌面级智能体》，2026年5月21日
5. 搜狐《虾、马之后，人类登场！这个霸榜GitHub项目火了》，2026年5月19日
6. 电子发烧友《热度洗牌！AI Agent赛道黑马杀出》，2026年5月20日
7. TechTimes《The Agent That Reads You First: OpenHuman Tops GitHub Trending》，2026年5月16日
8. PrimeAI Labs《OpenHuman Review 2026》，2026年5月17日
9. 量子位《龙虾养不动了？周鸿祎给虾搭了个云端办公室》，2026年5月22日
10. GitHub官方README，tinyhumansai/openhuman项目，截至2026年5月
