夜雨聆风你打开ChatGPT，新建一个对话。
「我上周那个Python项目的数据库迁移出错了，就是用PostgreSQL 16新特性的那个……」
停。AI不知道你上周在干嘛。它不知道你有一个Python项目。它甚至不知道你是谁。
你叹口气，开始粘贴——README、报错日志、上次对话的关键结论、项目结构截图。五轮对话过去，AI终于跟上了进度。
然后你关掉窗口。下次打开，一切归零。
每次新聊天都要「重新教AI做人」。这件事，全球几亿人每天在忍受。
6月27日，一个叫@defileo的开发者在X上怒吼了一嗓子：
"What the f*ck is this GitHub repo, 33k+ stars in less than a month."
「卧槽这是什么GitHub仓库，不到一个月就33000多星。」
他说的项目叫OpenHuman。让它从默默无闻冲到GitHub排行榜第一的核心功能，叫Super Context。
它做到了一件所有AI助手都没做到的事：你打开新聊天的那一刻，AI已经知道你在做什么。
▲ @defileo 的帖文获得15.7万次浏览、1000+点赞、87次转发，配图是OpenHuman的GitHub主页——33k+星标赫然在列
「第一句就像聊了十轮」
Super Context解决的问题，说穿了只有一个：为什么每次新聊天，模型都像失忆了一样？
传统AI助手的套路大家都熟——你发消息，模型脑子一片空白。好一点的方案会在你发完消息后触发RAG检索，去向量数据库里捞一圈历史上下文再回复。但这多了一轮延迟不说，搜回来的东西准不准全凭运气。
OpenHuman把顺序反过来了。
在v0.58.0版本中，你开一个新聊天，底部会出现一个蓝色开关：Super Context。默认打开。它做的事情，发生在你按下回车之前——
第一步，系统启动一个只读子代理，代号context_scout。
第二步，这个侦察兵扫描你的Memory Tree（记忆树）——所有历史对话、工作区文件、已连接的118个以上的应用数据（Gmail、Notion、Slack……），甚至你当前的屏幕状态。
第三步，扫描结果被打包成一个有边界的上下文包（context bundle），用[context_bundle]...[/context_bundle]标签包裹。
第四步，在模型读到你的消息之前，这个上下文包已经被注入到了提示的最前面。
模型看到的「第一条消息」里，你的项目背景、工作进度、个人偏好、待办事项全都在了。它给出的第一个回答，就像你们已经聊了十轮。
三个关键词：前置、确定性、只读。
Scout永远只看不动，绝不会在新线程里替你执行任何操作。如果打包失败——标签不闭合、内容为空、数据重复——系统会优雅地退回普通冷启动，绝不往提示里塞垃圾数据。同时，原本冗余的agent_prepare_context工具调用在这一轮会被自动抑制，避免做两遍重复工作。
▲ GitBook官方文档展示Super Context完整工作流：新线程触发 → harness gate确认开关 → context_scout只读扫描 → 组装并验证bundle → 注入用户消息前 → 模型直接基于完整上下文回答
五分钱买来的「上帝视角」
官方演示了一个实际场景。用户输入：「Solve the problem 200 on project euler」。
Super Context在后台立刻执行了两件事：Agentic task insights（代理任务洞察）和Scouting context（上下文侦察）。然后代码执行器直接跑出了正确结果——229161792008，第200个包含"200"的素数立方。
底部的token统计数据耐人寻味：整个会话消耗374K输入token，缓存命中率86%。其中context_scout只花了25K token，成本$0.005——还不到一毛钱人民币。
花五分钱做的上下文准备，换来了首轮就命中靶心的回答。官方的总结公式：Rich Context = More Accuracy + Less Cost。
▲ 官方演示Super Context运行：红框中「Scouting context」清晰可见，底部token面板显示context_scout消耗25K token，总成本$0.030，缓存命中86%
跟Super Context同步上线的还有Goals & Todos系统。
给它一个复杂任务——比如「帮我建一个自动化流程：每周抓取GitHub通知、汇总成邮件摘要」——Super Context会自动把任务拆解成目标和待办清单。连接GitHub？打勾。连接Gmail？打勾。构建自动化工作流？排期。设定定时执行？最后一步。
整个过程用一个看板式界面管理，规划、验收、审批门禁，每一步agent在做什么全程透明。
▲ Goals & Todos功能：给出「设定自动化摘要」需求后，agent自动拆解为连接GitHub、连接Gmail、构建自动化、设定定时四个步骤，带有Plan进度面板和权限确认弹窗
四个月：从零到GitHub第一
OpenHuman的GitHub仓库在2026年2月18日公开创建。
5月中旬，星标数大约2700。已经在GitHub trending榜上冒了头，被几家AI媒体注意到。
5月18日前后，创始人Steven Enamakel（@senamakel）发帖：连续7天trending第一，同时拿下Product Hunt日榜、周榜、月榜三个第一。同时拿三榜这件事，在PH历史上都罕见。
5月20日，星标突破2万。知名AI信息源AlphaSignal发布了一篇深入的技术拆解。
6月26日，v0.58.0上线。Release标题四个单词加一个emoji：「Super Context is Here!」这个版本带来了124个PR、133次提交，涵盖记忆、语音、代理、可靠性四大领域的升级。
24小时之内，@defileo那条帖文带着震惊的语气在X上席卷开来。紧接着，土耳其语（50+赞、54收藏）、西班牙语（113赞、1.3万浏览）、日语、阿拉伯语、中文——各语种的复述帖和试用视频开始集中涌现。
到6月28日，33400+星标、3200+ fork、156位贡献者、47个版本发布。
这一刻，OpenHuman是GitHub上星标数最高的仓库。
▲ GitHub主页：33.4k stars、3.2k forks，最新版v0.58.0标注为Latest，技术栈Rust 60.6% + TypeScript 36.6%，156位贡献者
你能看到AI记住了什么
Super Context能做到首轮精准，背后依赖的基础设施叫Memory Tree（记忆树）。
所有连接的数据——邮件、Slack消息、Notion笔记、代码仓库——都会被转化成标准Markdown格式，每块不超过3000 token。经过相关性打分后，按来源、主题、时间三个维度折叠成层级摘要树，存入本地SQLite数据库。
这套记忆引擎的一个设计亮点：它同时会以Obsidian兼容的文件结构落盘到~/.openhuman/wiki/目录。你可以直接用Obsidian打开这个文件夹，看到AI记住了哪些东西，修改它认为重要的内容，给不同笔记建立交叉链接。
Karpathy曾公开讨论过一个观点：AI的记忆应该对用户完全透明，应该是可读的Markdown而非黑箱向量数据库。OpenHuman直接把这个理念做成了产品。
后台有一个auto-fetch tick机制，每20分钟自动拉取一次活跃连接的新数据，无需用户手动干预。再加上TokenJuice压缩层——在数据进入模型前做HTML转Markdown、URL缩短、重复内容剔除——官方宣称最高能节省80%的token消耗（独立测试约70%）。
这些组件叠在一起，就是Super Context能在几毫秒内组装出高质量上下文包的底层原因。
33000颗星背后的刺耳声音
增长数字越漂亮，审视的目光就越严格。
隐私是所有质疑的焦点。
"If it's reading half my working life before every chat, I want very boring controls."
「如果它在每次聊天前都要扫一遍我的半辈子工作数据，那我需要的是极其无聊、极其细致的权限控制。」
还有中文用户打趣：「这东西会知道你平时爱看什么类型的视频。」——玩笑归玩笑，当一个AI代理能读你的邮件、你的屏幕、你的文件系统时，隐私问题就成了房间里的大象。
本地性的宣传也被人拿放大镜看。有人直接指出：记忆和wiki确实存在本地，但LLM调用和OAuth代理默认走的是托管后端。想要真正的完全本地运行——包括用Ollama或LM Studio做推理——需要额外配置，对普通用户来说门槛不低。
实际使用中的粗糙边缘也不少：
"First context pass always grabs files I didn't need and misses the half-written error I had on screen."
「第一次上下文扫描总是捞到我不需要的文件，反而漏掉了我屏幕上写到一半的报错信息。」
AlphaSignal的技术评测更是逐条拆开了营销滤镜：原生支持自动数据拉取的只有Gmail、Notion、Slack三家，所谓118+的覆盖是通过Composio代理目录实现的；项目没有公开的独立安全审计；skill运行时正在重构；大邮箱首次同步体验很慢。
四个月大的开源项目，beta阶段，有这些毛刺正常。但对于一个声称能读你全部工作数据的AI代理来说，「正常」两个字可能还不太够。
从「工具」到「环境」
打个比方。
以前你每次和AI对话，都像给一个新来的实习生布置任务——先花半小时讲背景、讲规矩、讲当前进度。Super Context相当于，实习生第一天上班，桌上已经摆好了一份三页的《项目全景 + 你的工作风格 + 今日待办优先级》。他开口的瞬间，就已经进入了状态。
OpenHuman试图回答的问题是：AI助手能否从一次性的对话工具，变成真正理解你的环境、长期跟踪你的目标、在本地机器上常驻运行的个人代理？
33000颗星说明，至少有33000个开发者认为这个方向值得投入。
它能走多远，取决于隐私管控、安全审计、本地优先这些「无聊的工程」能否跟上野心膨胀的速度。
技术从来不缺想象力。缺的是约束想象力的那把锁。
