夜雨聆风你有没有过这种崩溃时刻？刚跟某个AI聊完一个项目，关掉窗口再打开，它问你："你好，请问有什么可以帮你的？"——得，刚才聊的全白聊了。又得从头介绍一遍我是谁、我在干嘛、我最近在忙啥。
这种"冷启动"的痛，用过AI助手的人都懂。教一个AI认识你的成本，有时候比直接自己做还高。
直到我挖到 OpenHuman 这个项目。
它在GitHub上连续多天霸榜Trending，Star数从几千飙到3万多，火得有点不讲道理。但真用下来才发现，这玩意儿确实有点东西。它不像别的Agent那样等你教，而是反过来——它主动来认识你。
OpenHuman 是个啥？一句话说，它是一个跑在你电脑上的开源个人AI超级助手。Rust写的，Tauri做桌面壳，数据全在本地。作者 tinyhumansai 团队的理念很直白：AI 应该在你开口之前，就已经知道你的上下文。
整个项目运转起来就三步：连上你的工具、自动抓取信息、存进记忆树。听起来简单，但每一步都藏着巧思。
先说连接。
你打开软件，点几下就能连上 Gmail、Notion、GitHub、Slack、日历、Drive 这些常用工具。官方说有118+个集成，而且不用你自己去翻API文档、申请密钥什么的，一键OAuth授权就搞定。对，就是那种"点一下，弹个窗口，确认，完事"的丝滑体验。
连上之后，抓取环节就自动跑起来了。它内置一个叫 auto-fetch 的机制，每20分钟会主动去你连好的服务里转一圈，把新邮件、新文档、新日程拉回来。不是那种傻乎乎的原文搬运，而是先总结、再归档。你早上打开它，它已经把昨晚到今早的新上下文都握在手里了。
最厉害的是记忆这一步。
OpenHuman 搞了一个叫 Memory Tree 的东西，配合 Obsidian Wiki 双轨存储。所有数据被切成不超过3000 token的Markdown小段，本地SQLite存一份，同时以.md文件落进一个Obsidian兼容的文件夹。这意味着什么？意味着你的AI记忆是肉眼可见的——你可以直接打开文件夹，看到它记住了什么，记错了还能手动改。下次再问，它就答对了。
这个设计灵感来自AI大神 Andrej Karpathy 的 Obsidian Wiki 工作流。但 Karpathy 那套是纯手工的，OpenHuman 把它自动化了。正如官方文档里说的那句：**"我们没法信任一个自己读不到的记忆。"**
还有个叫 TokenJuice 的压缩技术，听着像果汁，其实是省钱利器。所有进模型的数据先过一遍压缩：HTML转Markdown、超长URL缩短、去掉冗余字符。官方数据说能砍掉最多80%的token消耗，响应也更快。
桌面端还藏了个彩蛋——一个黄色的小吉祥物。你可以跟它语音对话，甚至让它以参会者身份加入你的会议，自动把内容记进记忆树。会后问一句"上周三那个会对方提了啥需求"，它真能答上来。
好了，说了这么多，怎么装上它？
其实贼简单。官方给了好几种路子，挑一个适合你的就行。
方法一：官网下载安装包（最推荐）
直接去 tinyhumans.ai/openhuman，下载对应系统的安装包。macOS是.dmg，Windows是.exe或.msi，Linux有.deb和AppImage。双击安装，跟装普通软件没区别。
方法二：命令行一键安装
如果你跟我一样喜欢终端，复制粘贴就行。
macOS 或 Linux 用户：
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
Windows 用户打开 PowerShell：
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex
跑完命令，应用就出现在你的程序菜单里了。
方法三：从源码构建（开发者专属）
想深度定制或者贡献代码的，可以这么玩。先装好依赖：Git、Node.js 24+、pnpm 10.10.0、Rust 1.93.0（记得带 rustfmt 和 clippy）、CMake、Ninja。
# 克隆仓库
git clone https://github.com/tinyhumansai/openhuman.git
cd openhuman
# 初始化子模块，这步别漏
git submodule update --init --recursive
# 装依赖
pnpm install
开发的时候，只改Web UI就跑 pnpm dev；要测桌面端跑 pnpm --filter openhuman-app dev:app。提交PR前记得过一遍 pnpm typecheck 和 cargo check -p openhuman --lib。
装好之后怎么用？
第一次打开，会看到一个很清爽的引导界面。用 Google、GitHub 或 Twitter 账号登录。
然后进 Connections 页面，把你常用的服务一个个连上。我建议先连邮箱、日历和文档这几个，信息密度最高。连完等第一轮 auto-fetch 跑完——大概十几分钟——你就可以开始聊了。
有个功能叫 SuperContext，建议打开。它会在每次新开对话时，自动从你的记忆树里扫一圈相关背景，拼成一个上下文包塞给模型。所以你第一句话就可以问得很具体，比如"我昨天让张三改的那个bug怎么样了"，它知道你在说哪个项目。
如果你担心隐私，可以在设置里启用 Ollama 本地推理，这样连模型调用都不走云端。本地跑的话，推荐 all-minilm:latest 做嵌入，gemma3:1b-it-qat 做推理，普通笔记本也能撑住。
不过得提醒一下，项目目前还是 Early Beta，小毛病肯定会有。另外官方建议内存至少16GB，如果你要导入超大邮箱或者跑本地大模型，配置别太抠。
跟 OpenClaw、Hermes Agent 这些前辈比，OpenHuman 最大的不同是它从第一天就开始记你。OpenClaw 像一把瑞士军刀，插件多但得你自己喂上下文；Hermes 像个好学生，看着你干活慢慢学。OpenHuman 呢？它直接连上你的数字生活，自己读、自己记、自己整理。
当然它也不是万能的。目前只支持单用户，没有多设备同步，中文办公生态（飞书、钉钉、企微）也还没接进来。但作为一个还在快速迭代的开源项目，这些都在路上了。
最后想说，当所有人都在卷"哪个模型更聪明"的时候，OpenHuman 换了个思路：模型再强，不了解你就只能回答通用问题。它试图把 Karpathy 那个"个人Wiki"的理念工程化，让AI真正读懂你的数字生活。
也许Agent的下半场，比的本来就不是谁更聪明，而是谁更懂你。
guthub地址：https://github.com/tinyhumansai/openhuman