15,349 颗星，一周。
GitHub trending 上这个数字仅次于 mattpocock/skills 的 2 万星——但后者是 TypeScript/TypeScript 生态的老兵在发个人技能包，前者是一个还在 Early Beta 阶段的桌面应用。
OpenHuman 的 slogan 很简单："Your Personal AI super intelligence. Private, Simple and extremely powerful."
翻译成人话：一个装在桌面上的开源 AI 助手，能读你的邮件、看你的日历、接你的 Slack，数据全在本地，不传到任何云端。
听起来很美好。但值得跟。
它到底做了什么
OpenHuman 的核心逻辑是把你的数字生活变成一个 agent 能理解的结构化知识库。
118+ 第三方集成，一键 OAuth 连接。 Gmail、Notion、GitHub、Slack、Stripe、Calendar、Drive、Linear、Jira——你能想到的办公工具基本都有。每 20 分钟，agent 自动从这些连接里拉取新数据，不需要你手动触发。
这意味着你不用对 agent 说"帮我看一下昨天张三发的邮件"。它已经知道了。
Memory Tree + Obsidian Wiki。 所有连接进来的数据被标准化为 ≤3K token 的 Markdown 块，打分后折叠成分层摘要树，存在你本地的 SQLite 里。同时，这些块也会以 .md 文件的形式输出到一个 Obsidian 兼容的 vault 里——你可以随时打开、浏览、编辑。
灵感来自 Karpathy 的 obsidian-wiki 工作流。但 Karpathy 是自己搭管道，OpenHuman 是开箱即用。
TokenJuice 压缩层。 这是我觉得最实用但最少人注意到的功能。每次 agent 调用工具、抓取网页、读取邮件，结果都会经过一个 token 压缩层：HTML 转 Markdown、长 URL 缩短、冗余工具输出去重和摘要。
官方说能减少 80% 的 token 消耗。这意味着如果你接了 118 个数据源，agent 不会把你的 LLM 账单炸掉。
桌面吉祥物 + 语音。 它有一个桌面 mascot，会说话、会对你周围的东西做出反应、能以真实参与者身份加入你的 Google Meet。语音方面，STT（语音转文字）和 TTS（文字转语音，用 ElevenLabs）都内置了，mascot 的嘴唇还会跟着说话节奏动。
说实话，这个功能我持保留态度。很酷，但酷不等于有用。
技术栈
Rust 写的核心。Node.js 24+、pnpm、桌面构建依赖。Rust 在这个场景下是合理的选择——性能好、内存安全、跨平台编译成熟。
模型路由功能支持把不同任务分发给不同的 LLM：推理任务给强的模型、快速响应给快的模型、视觉任务给多模态模型。全部在一个订阅下管理。也可以接 Ollama 跑本地模型。
几个值得关注的细节
它接入了 Karpathy 模式，但不止于 Karpathy 模式。 Memory Tree 的灵感来自 Karpathy 的 obsidian-wiki 思路，但 OpenHuman 加了自己的东西：auto-fetch 机制、分层摘要、SQLite 本地存储、置信度打分。
Early Beta 的警告是认真的。 README 里明确写了"Expect rough edges"。这不是一个适合在生产环境用的工具。但现在装，你是最早一批用户——生态的早期红利是真的存在的。
数据隐私的边界。 数据"留在设备上、本地加密、属于你"——这是官方说法。但当你连接了 Gmail、Slack、Drive，这些数据被标准化后存在 SQLite 里，加密强度如何？有没有审计？目前没有公开信息。
我的判断
OpenHuman 的方向是对的。把 AI 助手从"聊天窗口"变成"数字生活中枢"，这个愿景很多人提过，但做成开源、可安装、带 UI 的产品，OpenHuman 是目前最完整的一个。
15K 一周的 star 增长说明市场对这种"个人 AI 中枢"的需求是真实的。但 Early Beta 阶段的工具，最大的风险不是功能不够，是半途而废。
如果你有兴趣，现在装一个试试没问题。macOS、Linux、Windows 都有安装包。但别把它当生产力工具——当实验品就好。
等产品到了 v1.0，内存树稳定了，加密方案审计了，再考虑把真正重要的数据接进去。
主要来源：
- GitHub - tinyhumansai/openhuman (19,621 stars, updated 2026-05-19)
- OpenHuman 文档
- Product Hunt 页面