OpenHuman
一个开源的本地优先个人 AI：持久记忆、智能体编排与深度研究，支持 Mac、Windows 和 Linux 桌面端。
最小权限/用户确认/数据流透明：README 广泛宣称审批门、隐私模式、OSS 密钥环、Signal 协议加密和 20 分钟自动抓取，但提供的文件中没有任何代码或文档展示权限模型、审批实现或数据流细节，均属无支撑断言，扣分明显。敏感数据处理：SECURITY.md 说明 OS 级凭据存储、消息按需处理不留存、技能沙箱，并附有 mock-api 测试验证日志中 Authorization 头脱敏，可得 2。依赖安全：Cargo.toml 显示依赖几乎全部走 vendored 子模块、固定路径与 feature 门控，rustls、cargo-machete 注释等体现依赖治理，但未见 lock 审计或漏洞扫描证据，2。外部影响：自动抓取、17 个消息通道、x402 支付等能力描述存在但无外发行为约束的实现证据，1。回滚：提到 checkpoint/replay 但无版本回退或数据迁移恢复说明，1。来源归属：清晰的作者链接、上游 SDK/子模块归属注释详尽，2。
自洽性：Cargo.toml 注释与 manifest 声明一致、版本号明确（0.63.24）、feature 门控理由自洽，2。依赖可用性：子模块初始化、--frozen-lockfile、固定工具链版本（Node 24、pnpm 10.10.0、Rust 1.93/1.96.1）提升可复现性，但大量未发布的 path 依赖意味着供应链集中于单一组织，2。失败信息：CI 脚本中有具体错误输出（如 AAB 数量不符时打印列表），但面向终端用户的失败处理无证据，1。
受众与场景：README 明确面向个人桌面用户（Mac/Win/Linux）并含贡献者构建路径，多语言 README，2。能力边界：仅一句 "Not AGI" 与 Early Beta 标识，工具能力细节全部外链到无法验证的 gitbook，1。触发精度：workflows 声称 trigger 驱动、审批门控，但无触发条件定义或防误触发的证据，1。环境适配：明确支持桌面三平台并附 Android/移动 CI、Windows 安装脚本测试，2。
信息架构：README 分层清晰（brain/orchestrator/researcher），docs 目录与 CONTRIBUTING/INSTALL 分离合理，2。安装说明：INSTALL.md 引用 + 多平台安装渠道 + 从源码构建的完整工具链版本，2。命名稳定性：tiny* crate 命名体系与包名、bin 名一致且注释解释演进，2。示例与 FAQ：无示例配置文件或 FAQ，README 仅有表格与外链，1。已知局限：Early Beta 标识、'Expect rough edges'、过时注释的显式更正均直陈局限，2。许可证：GPL-3.0-only 显式声明于 Cargo.toml 且 LICENSE 文件齐全，解释了 only vs or-later 的选择，3。版本与变更日志：0.63.24 版本号、release notes 生成脚本、版本同步校验脚本，但提供的文件未见实际 CHANGELOG，2。维护责任：SECURITY.md 定义支持版本窗口、5 个工作日响应、safe harbor，2。
输出可用性：声称可回放运行日志、按调用计费、Obsidian vault 输出，但无输出格式样例，1。边际价值：Memory Tree + 本地优先 + TokenJuice 压缩的组合在对比表中定位清晰，相对同类有一定差异化主张，2。成本收益：订阅模型与 BYOK/本地 Ollama 可选降低了锁入风险，但 TokenJuice '80% fewer tokens' 等关键数字无来源，1。
主张可追溯：README 每条 bullet 外链 gitbook，但本仓库内文件无法核对这些深度文档，且趋势/榜单类主张（'#1 trending nine days'）不可验证，1。交叉佐证：引用 Karpathy 推文、第三方仓库（agentmemory、tinyflows），但第三方对比表的对手能力标记标注 'verify against each vendor'，属于免责而非佐证，1。事实与推断分离：早期 beta 声明、许可说明、依赖注释属事实；AGI、'becomes you' 等为营销性推断未明确标注，1。
- 发布者身份未经策展注册表验证，应视为未知；不要因品牌或趋势声榜而信任。
- README 中的隐私与安全能力（审批门、隐私模式、E2E 加密）均为外链断言，本仓库文件无法核实实现，部署前须独立审计 Rust 核心与网络层。
- 自动抓取（每 20 分钟）与 17 个消息通道构成大范围数据摄取与外发面，最小权限与外部影响证据不足，建议在网络隔离环境先行试用。
- 核心依赖几乎全部为该组织自有的未发布 vendored 子模块，供应链单一来源风险显著。
- 产品处于 Early Beta（0.63.24），旧版本可能不再获得安全补丁，勿用于生产敏感数据。
这个 Agent 能做什么，适合哪些场景？
OpenHuman（GitHub: tinyhumansai/openhuman）是一个 GPL-3.0 开源的跨桌面个人 AI 助手，定位为“会记住一切的大脑 + 编排器 + 深度研究员”。它使用 Rust 内核和 Tauri 桌面壳构建，数据以打分的 Markdown 树（Memory Tree）存放在本地 SQLite 中，并可镜像为可编辑的 Obsidian 仓库。编排层基于开源的 tinyagents 运行带检查点的图执行，工作流基于开源的 tinyflows 提供可视化画布与审批门控。它内置 100+ OAuth 集成、5000+ MCP 服务器与 90,000+ 技能，支持 17 个消息渠道（含原生 IMAP/SMTP 邮件）和由 Exa 驱动的网页搜索。项目处于早期 Beta 阶段，默认订阅模式，但支持自带 API Key 或完全本地 Ollama 模型，隐私模式下所有推理均在本地完成。
OpenHuman 通过 20 分钟一轮的 auto-fetch 将你的 Gmail、Notion、GitHub、Slack 等账户数据拉取到本地，用 Memory Tree 把文档、邮件和聊天压缩为带评分的 Markdown 文件存入本地 SQLite，并镜像为 Obsidian 仓库供你直接编辑。执行上，它基于 tinyagents 跑检查点式图运行：一个快速反射代理分流请求，深度推理核心再把任务派发给最多三层深的子代理舰队，卡住的代理会返回根因报告，每次运行可回放并统计逐调用成本。自动化方面，代理可为你提议一个 tinyflows 工作流图，你在可视化画布上审阅保存，之后按计划、Webhook 或渠道事件触发，副作用需经审批门控。工具侧它提供网页搜索（Exa 驱动）、爬虫、编码工具、真实浏览器、进程内 Whisper 语音，以及 Seedream/SeedEdit 图像与 Seedance/Veo 视频生成。对外，它通过 Telegram、Discord、Slack、WhatsApp、Signal、iMessage 等 17 个渠道联系你，并原生支持邮件收发；代理间通信走 Signal 协议端到端加密。TokenJuice 在工具输出进入模型前压缩，号称可减少最多 80% 的 token。
- 信息工作者希望新接入的代理立刻掌握自己的邮件、日历、文档和聊天上下文，而不是冷启动使用数周。
- 同时运行多个编码或任务代理（如 Claude Code、Codex 等）的用户，想用一个界面统一编排它们并保持端到端加密通信。
- 重视隐私的团队或个人，需要一键切换到隐私模式，让所有推理都不离开本机（由 Rust 内核强制执行）。
- 希望像用 n8n/Zapier 一样搭建可视化自动化，但由代理代为生成工作流、并在画布上人工审批的效率型用户。
- 通过 Telegram、WhatsApp、邮件等渠道与代理交互、需要代理主动联系自己而非只在网页聊天的用户。
- 已有 Obsidian 知识库的用户，希望记忆数据以可编辑的 Markdown 仓库形式存在，而非黑盒向量库。
这个 Agent 有哪些优点和局限？
- Memory Tree + Obsidian 仓库的记忆形态是可读、可编辑的 Markdown 文件，而非向量黑盒，记忆数据完全归用户掌控。
- 真正的编排器架构：tinyagents 上带检查点的图运行可暂停、断点续跑、卡住的代理返回根因报告，且每次运行可回放并核算逐调用成本。
- TokenJuice 压缩使大体量本地记忆在成本上可行，README 声称最多减少 80% token。
- 支持一键隐私模式（Rust 内核强制本机推理）、OS 钥匙串密钥存储、审批门控与端到端加密的代理间通信。
- 集成面广：100+ OAuth、5000+ MCP 服务器、90k+ 技能、17 个消息渠道，且可用自带 Key 或 Ollama 完全本地化，避免供应商锁定。
- 项目处于早期 Beta，README 明确提示处于积极开发中，预期有粗糙之处。
- 默认体验依赖 OpenHuman 订阅（含 Exa 搜索、图像/视频生成、模型路由），脱离订阅需自行配置 Key 或本地模型，存在功能取舍。
- 从源码构建依赖链较重：Node.js 24+、pnpm、Rust 1.93、CMake、Ninja、ripgrep 及 Git 子模块（内置 Tauri/CEF）。
- 部分关键能力（Meet/Zoom/Teams/Webex 会议、媒体生成等）仅在 README/文档中描述，开源仓库内的可审计实现程度需自行核实。
- GPL-3.0 许可证对二次分发和集成到闭源产品有传染性约束，商用集成前需评估。
如何安装或部署这个 Agent？
从 tinyhumans.ai/openhuman 或 GitHub Releases 页面下载 Mac、Windows 或 Linux 安装包。命令行安装（Homebrew、Debian/Ubuntu .deb、AUR、安装脚本）见仓库的 INSTALL.md。从源码构建需要：Git、Node.js 24+、pnpm 10.10.0、Rust 1.93.0（含 rustfmt 和 clippy）、CMake、Ninja、ripgrep 及平台桌面构建依赖；克隆仓库后先运行 git submodule update --init --recursive 再 pnpm install，以获取内置的 Tauri/CEF 源码。
如何使用这个 Agent？
安装后无需配置文件或终端即可在几 clicks 内启动代理。连接你的账户（OAuth 一键授权）后，auto-fetch 会以 20 分钟周期把数据同步到本地 Memory Tree。首次同步后代理即拥有你收件箱、日历、仓库、文档和消息的压缩上下文。你可以直接对话、请求自动化（代理会提议一个 tinyflows 工作流图供你在画布审阅保存）、通过 17 个消息渠道收发消息，或在设置中启用隐私模式/自带 API Key/本地 Ollama 模型。开发者可用 pnpm dev 做 Web UI 开发，用 pnpm --filter openhuman-app dev:app 启动桌面壳，提交 PR 前运行 pnpm typecheck、pnpm format:check、cargo check -p openhuman --lib。自托管 agentmemory 的用户可在 config.toml 中设 memory.backend = "agentmemory" 接入已有记忆后端。