이미지: METAL LAB 생성
摘要
- tinyhumansai发布的个人AI智能体工具"OpenHuman"上线不到一周便登顶GitHub趋势仓库榜首,并连续9天保持第一。
- 它每20分钟收集一次邮件、文档、消息等数据,压缩生成"记忆树"，并通过Signal协议加密连接和指挥多个智能体。
- 目前仍处于早期测试阶段,需要在终端安装并配置config.toml,可与Claude Code、Cursor、Codex等现有工具搭配使用。
- 프로젝트
- tinyhumansai/openhuman (오픈휴먼)
- 제작자
- @senamakel (원문에 '크리에이터'로 표기)
- 트렌딩 기록
- 출시 1주 내 깃허브 트렌딩 저장소 1위 9일 연속
- 개발 단계
- Early Beta, 스스로 'AGI는 아니다'라고 명시
- 메모리 동기화 주기
- 계정 연동 후 20분 자동 수집 루프
- 에이전트 간 통신
- 시그널(Signal) 프로토콜 종단간 암호화
- 연동 대상
- Claude Code, Cursor, Codex, OpenCode (agentmemory 백엔드 경유)
- 설치 경로
- GitHub Releases, Homebrew, Debian/Ubuntu .deb, AUR, 설치 스크립트
OpenHuman上线一周,连续9天霸榜趋势第一
GitHub趋势仓库榜单几乎每天都在变动,但tinyhumansai发布的"OpenHuman"上线不到一周就登上了这个位置,并连续9天保持第一。仓库简介里这样描述这个项目:它是"以本地优先方式记住你人生的大脑,是指挥智能体舰队的编排器,也是一名深度研究员"。开发者账号标注为@senamakel。
项目介绍文档强调,OpenHuman目前还算不上通用人工智能(AGI),但形容自己是"凭借更好的记忆、更好的编排、更好的工具,朝那个方向迈进一步的架构"。文档中也提醒,目前处于早期测试阶段,可能存在一些不够完善的地方。
三大支柱:记忆、指挥、研究
OpenHuman主打的第一个支柱是记忆。用户绑定账号后,自动收集功能会以20分钟为周期在本地抓取数据,再由记忆树(Memory Tree)功能压缩整理成Markdown文件。其存储方式遵循类Obsidian风格的wiki结构,项目方介绍称这一思路借鉴了开发者Andrej Karpathy在一条推文中提到的Obsidian库(vault)方式。
第二个支柱是编排。智能体之间交换的消息通过Signal协议进行端到端加密,项目方介绍称可以在同一界面里指挥Claude Code、Cursor、OpenAI Codex、OpenCode等不同工具。如果已经在自托管使用agentmemory,只需在config.toml文件中添加以下一行,就能让OpenHuman共用同一个记忆存储库。
memory.backend = "agentmemory"
第三个支柱是深度研究。项目介绍称,系统会在用户还没输完问题时就已经在本地数据和网络中检索并准备答案,具体运作方式在官方文档中有更详细的说明。
冷启动时间缩短了多少
OpenHuman的介绍文档这样与竞品做比较:大多数智能体在新接入时都是从"一无所知"开始,要摸清用户的工作方式往往需要几天到几周时间。
| 工具 | 启动方式 | OpenHuman介绍文档中的说法 |
|---|---|---|
| Hermes | 通过观察用户操作来学习 | 需要花时间 |
| OpenClaw | 依赖插件迁移上下文 | 依赖插件 |
| OpenHuman | 绑定账号后一次同步即可获得压缩后的上下文 | 宣称"不需要几天或几周" |
需要说明的是,这张表格整理自OpenHuman官方的说法,实际体验速度还有待用户自行使用后判断。
自动化流程借鉴了n8n和Zapier
项目方表示,其自动化功能的灵感来自n8n和Zapier。不同之处在于,用户不必自己动手绘制工作流,只需说一句"帮我自动化这个",智能体就会先给出一份"tinyflows"图谱建议。用户可以在画布界面上审阅这份建议后再保存,保存后的工作流可通过日程、Webhook、频道事件触发执行,即便系统重启也能保留下来,而涉及副作用的操作则会被设置在审批环节之后。
如何上手使用
安装文件可以在github.com/tinyhumansai/openhuman仓库的Release页面下载。如果偏好终端安装,可以选择Homebrew、面向Debian/Ubuntu的.deb安装包、AUR或安装脚本,各平台的具体说明都整理在仓库中的INSTALL.md文件里。
- 在仓库中下载适合自己操作系统的安装文件,或直接运行终端安装命令。
- 绑定邮箱、日历、存储库、即时通讯账号后,自动收集功能会以20分钟为周期启动。
- 首次同步完成后,记忆树会生成压缩后的上下文,智能体无需额外的学习期,就能在已掌握用户工作背景的状态下开始对话。
- 如果已经在使用Claude Code、Cursor或Codex，可以在config.toml中将记忆后端指定为agentmemory,实现存储库共享。
目前仍处于早期测试阶段,相关说明文档也在持续完善中,项目同时提供了面向新手贡献者的CONTRIBUTING.md和CONTRIBUTING-BEGINNERS.md文件。
编辑视角
最近几个月,智能体外壳(agent harness)之间的竞争正在转向"谁能更快摸清用户"这一战场。如果说轻量级终端编程智能体此前专注于执行速度,那么OpenHuman则把重心放到了更前一步的环节——缩短智能体摸清用户所需的时间本身。
把这类工具用到实际工作中时,常常会撞上同一堵墙:智能体真正变得好用之前,总要经历一段学习期。凡是体验过每次都要重新粘贴入职文档、或者连续几天反复输入同样背景说明才勉强积累出一点上下文的人,都会立刻明白"一次同步就能填满上下文"这个说法为什么有吸引力。不过这目前还只是OpenHuman一方的说法,压缩后的记忆究竟有多准确、能否保持最新状态,仍然需要实际使用才能验证。
如果国内有团队想把这类工具引入实际工作,考虑到它还处在测试阶段,更稳妥的做法是先在个人账号或side project中验证。由于这套系统需要整体绑定邮箱、日历、即时通讯等账号,在涉及公司数据之前,有必要先亲自确认其本地存储方式和加密范围。对于已经在使用Claude Code或Cursor的团队来说,眼下可以做的,大概就是先通过共享agentmemory后端的方式做一轮小范围试验。
连续9天登顶GitHub趋势榜,说明的是外界关注度有多高,而不是产品完成度有多高。既然还挂着早期测试的标签,接下来几周issue追踪器上大概率会陆续出现稳定性问题或记忆压缩报错的反馈。
评论