openhuman是哪个公司的

今天我们要聊的是一个最近在各大技术平台都非常火的一个项目啊，叫 openhuman。 对， 它其实是一个个人的 ai 超级智能体啊，可以理解成是一个真正懂你的全场景的 ai 助手。没错没错，这个项目最近真的很火，那我们就直接开始吧。 我们先来说说这个 openhuman 的 节目定位，以及它到底是解决了一个什么样的痛点，为什么它可以在众多的 ai 项目当中脱颖而出？其实 openhuman 它就是一个可以跑在你各种设备上的个人 ai 超级智能体嘛， 它在 github trending 上是排名第一的，而且它的星标已经超过了十三点七万。它和其他的那些比如 minus 还有 openminus 这些项目最大的不同就在于，它真的是会花时间来了解你，对你进行建模。听起来挺有意思的，那这个 openhuman 它是怎么做到的？能够让用户不用每次都重新介绍自己，就可以直接使用 ai？ 就是 它会主动地来了解你， 官方的说法是，在你连接好账户之后，差不多二十分钟左右就可以建立起你的个人上下文，然后你第一天就可以用它来做很多事情了，完全不需要每次都重新讲一遍你自己是谁，你要做什么，这可太省时间了。 那我们接下来要聊的就是这个赛道和产品亮相了，那我特别想知道就是这个 openhuman， 它在 ai agent 的 这个赛道里面到底是一个什么样的定位？它和同类的产品相比最大的区别是什么？它其实是一个全场景的个人助手哦，它不像 darwin 或者 open minus 那 样只专注于编程， 它的目标是要成为你生活和工作中的全能帮手。哦。那这个全场景到底是怎么体现出来的？在它的客户端上面有什么特别的设计吗？它的桌面客户端的设计特别有意思， 就是中间会有一个 mesco 的 虚拟形象，它会根据你的工作状态来变化表情。然后左边是一个记忆术，它会实时的更新，你可以看到所有的历史。右边是对话和工具面板， 所有的一切都是围绕着让你在各种场景下都能够高效地使用，这设计确实很新颖。对，那紧接着我们要聊的就是它的核心机制了，就是这个 open human， 它到底是怎么自动化地帮你整合这么多的服务，然后把你的各种数据都抓到本地来的？它背后的思路其实是借鉴了卡帕西的 obsidian wiki， 用结构化的 markdown 让 ai 能够更好地锁引。但是它厉害的地方就在于它完全不需要你手动地去维护它。支持一百一十八种服务的 o i o h f 像， gmail、 notion、 github、 slack、 谷歌日历，这些你都不需要自己去配。 a p i t。 天呐，这么多服务都能一键同步，确实省了不少事儿。 对，它的核心引擎会每隔二十分钟就去你的账户里面拉一次数据，包括邮件、日程、代码提交，所有的东西都会拉到本地。然后它会自动帮你清洗 切成合适的 markdown 片段，再按照主题和时间线做成层级摘要，你自己也可以随时去浏览和编辑这些所谓的记忆，这样的话效率确实提升了很多。对，那它在处理这些数据的时候有没有什么特别厉害的优化手段？当然有了，它用了一个叫 token juice 的 东西， 它会把 html 转成 markdown， 然后帮你驱虫。官方说它最多可以把你的成本和延迟降低百分之八十。 它的压缩规则是可以通过三层的 json 来配置的，就是内置用户和项目级别的配置。这优化做得真不错。对，那我们下面要聊的是后台与隐私。我想知道这个 openhuman 在 后台是怎么运作的？它在保护你的隐私上面到底有哪些独到的做法？ 其实它有一个很有意思的设计，叫做潜意识循环，就是在你没有和它交互的时候，它也会在后台悄悄地帮你加载代办事项，读取你最近的记忆，然后自己去决定接下来要做什么。它的那个 mascot 会有不同的情绪表现，比如思考、闲置或者做梦， 甚至它可以自己去加入 google meet， 然后帮你记要点。哇，这个潜意识循环听起来真的很智能。对，那它的数据到底有多安全？ 它采用的是本地优先的原则，它的记忆术是存在本地的 ciktor 里面的，然后 obsidian 的 文件也是在你自己的设备里，它的令牌是会进到系统的密钥链里面的，比如说像 macos 的 keychain， 然后它也支持你去配置 olemma 这种本地的模型，所以你的数据是几乎不会离开你的设备的。这和那些把记忆存在云端，或者说只是针对编程场景的产品有很大的不同， 这安全性确实挺让人放心的。对，那我们最后要聊的就是这个 openhuman 现在有哪些短板，以及它未来可能会往哪些方向去发展。它现在还处于 early beta 阶段，采用的是 gpl 三协议，所以它的衍生版本也必须要开源。 他目前还不支持微信和钉钉，但是他的开发团队更新的非常快。好的，那他未来的发展方向会有哪些比较大的变化？他的目标是要从一个每次都要你去手动喂给他上下文的工具，变成一个可以主动去积累知识，慢慢的变得真正懂你的伙伴， 他的使用门槛也会变得更低，可能你之前要准备几周的时间，到后面你可能只需要二十分钟左右的开箱时间就可以用了。 好的，那今天我们就一起体验了一下这个 openhuman 的 独特魅力，从它的全场景的助手定位，到它的这种本地优先的隐私保护， 再到它的这种不断的学习，变得更懂你的这种能力，真的让人觉得未来的 ai 助手就应该是这个样子。没错没错，那我们这期节目就到这里了，然后感谢大家的收听，咱们下期再见，拜拜！拜拜！

还在研究怎么养虾养马吗？现在 ai 圈开始流行养人了，在龙虾、 open claw、 爱马仕、 hermes agent 之后，一个叫 open human 的 开源项目强势登顶，几天内狂揽过万颗星。很多人可能会问，虾和马已经很强了，为什么还会杀出一个新物种？ 因为无论是虾还是马，本质上都面临一个巨大的痛点，它们的记忆严重依赖于你们的交互。 你每天都在教 ai 做事，你要给他配 skill， 写复杂的提示词，手动上传会议纪要和代码文档。归根结底，你得先动它们才动，一天不维护它们，就不知道你今天经历了什么。 而 open 兄们的出现，就是为了打破这个冷启动难题，它不需要你教，它能用二十分钟自动了解你的一切，那它到底是怎么做到的？ ai 大 神卡帕西之前分享过一个很火的知识管理框架，叫 llm wiki。 简单说就是把所有的笔记项目文档整理成结构化的 markdown 文件，让 ai 随时读取。这思路很完美，但全手工整理太反人类了。 openhuman 干的事，就是把卡帕西这套手工活变成了全自动流水线。它主要分三步，第一步，一键连接。它内置了一百一十八个第三方服务， gmail github， notion 日历，你工作用的核心工具，一键授权就能接进来，不用到处去配。 a p i t。 第二步，二十分钟无感抓取。连接完之后，它的核心引擎每二十分钟会自动轮询一次新邮件日程变更、代码提交，全部静默拉取到本地 agent 自己知道什么时候该刷新你的状态。第三步，生成记忆术， 抓来的数据会被切成不超过三千 token 的 片段，按主题和时间线打分，最终折叠成一棵记忆树。 最硬核的是，这份记忆会同步生成可编辑的本地 markdown 文件。这意味着 ai 脑子里的记忆，你不仅能看懂，还能直接修改。 一次同步跑完，它对你的工作了如指掌，没有磨合期，第一天上班就能干活。你可能会问，这么庞大的数据全塞给大模型 token， 费用不会爆炸吗？ openhuman 引入了一个叫 token juice 的 机制， 每次网页抓取或读取邮件前，数据会先过一遍榨汁机 html 转 markdown， 长网址缩短涌于信息去重官方数据说，这套机制能把 token 消耗砍掉百分之八十，可以记住高达十亿 token 的 信息。 此外，他还有一个很超前的设计，叫潜意识循环。即使你不主动发指令，他也会在后台获取近期记忆，自主决定还有什么代办可以干。他甚至能化身一个虚拟形象，作为独立参会者，加入你的线上会议。你开会，他旁听既要点， 这才是真正意义上的赛博助理。那么，现在的三大顶流 a 阵的虾马人到底该怎么选？我给大家总结了一个选型逻辑，第一，如果你需要一个跨平台执行网关，选龙虾，龙虾解决的是工具多的问题， 他适合你在微信飞书里随时发指令，让他在后台帮你写代码、画 ppt。 他 是个听话的外包牛马。 第二，如果你需要一个自我成长型员工，选爱马仕。爱马仕解决的是能自学的问题，它内置了学习循环，适合扔在服务器上跑长期任务遇到报错，它能自己修改生成新技能，它是个不断进化的超级员工。 第三，如果你需要一个懂你的贴身助理，选 open 胸闷。 open 胸闷解决的是懂你的问题。 如果你受够了，每次都要给 ai 为背景资料，想要一个过目不忘把你的工作流全部吃透的数字分身，选它。 这三个痛点拆开看，是功能合起来其实代表了 agent 发展的三个方向，执行力、学习力和记忆力。之前的 agent 心思都花在能干上了，但在懂你这方面始终差了点意思。 openhuman 的 爆火，证明了未来的 ai 竞争不再是比谁的模型参数大，而是比谁能更低成本、更全自动地同步你的专属记忆虾解决工具问题，马解决自学问题，但真正懂你的，或许还得人来。

给大家讲个最新的消息，在这个月五月十三号又发布了另外一个超级的智能体，叫 openhuman。 呃，他的首次发布是在五月十三号，五月十五号是正式产品对外官宣，那现在今天是十八号，也才三天的时间，为什么我想讲这个产品呢？ 呃，第一，我们讲过小龙虾，其实小龙虾我原来说过，他其实是一个很乖很听话的牛马，可以用这个词去形容他，就是你叫他干什么他就干什么，然后有什么指令你单一发给他。 然后呢？后面我们去到爱马仕，爱马仕呢，他其实更多的像是一个我们非常贴心的懂得自我成长，懂得自我提提升的超级助理，是吧？一直以来都是你有什么想法，有什么东西交给他，然后他会自我修饰，自我完善，甚至你要提一些技能，他不会的他都会，都可以智能长成。 但是为什么我今天要特别提一下 open human， 因为这两个原因。第一呢，它是真正的去让我再一次要给大家特别提醒的数据，数据，数据的重要性， 我记得我能曾经在我们的智慧园区也给大家讲过数据极的重要性，那么也讲过我们应用系统里面最关键的核心就叫做数据的累积，对不对？ 你知道 openhuman 它最大的价值是什么吗？它可以让你在二十分钟之内把你所有过往的习惯都读懂，让成为一个更懂你的你的分身。 这句话的含金量是什么？其实他们打出来的说，哎，这个产品会更懂你，会更体贴你，会更理解你，可以代替你做一切的事情。这个是不是跟我前段时间讲的，我们现在用所有的这个庞大的机器人，对吧？ 那从这点我给大家猜一下 openhuman 它的真正一个工作的逻辑。我不知道你们有没有做笔记的习惯， 是不是现在大家会用飞书呀，然后那个呃 get 笔记啊，然后还甚至原先最早有 osai 的 这些所有记录型做笔记的软件，是不是？那同时大家还有，作为有一些很高阶的管理者， 做管理的人有很多细节他是会要做记录的，甚至要有芥往来的，对吧？而且要核查数据的，有邮件啊，包括你平时的会议纪要啊，就是平时在开的，甚至你的线上会议啊，这些点点的细节，是不是我们工作当中的细小颗粒度？ openhuman 它真正的一个主要逻辑就是从这些所有的工作软件里面去抓取你的数据，二十分钟之内把它全部去筛选，去读懂。 在你往常的日子里，他会定时定点去你各个工作平台去读起你的数据，经过榨取，经过分析，做整理，然后添加记忆。所以说你没发现，他虽然说是做最懂我们的一个 超级分身，其实最简单的核心逻辑他还是在捕捉数据，只是说他捕捉数据的维度大了。 说到这里，大家有没有深入地去警惕一下现在这个时代， ai 的 时代，所谓的系统化的时代，其实其实就是要让大家关乎数据，关注数据，关注我们每一个工作生活系上的细节上的小颗粒度。 所以为什么我今天还是要去跟你们强调，我说到这里我也很努力，到这里你们到底懂不懂？

一千零四十六颗星，一百一十八个第三方服务一键连接，每二十分钟自动同步。一个用 rest 打造的桌面 ai， 二十分钟就能了解你的全部工作上下文。用过 ai 代理的人都知道这个痛点，它刚启动，什么都不懂， 你告诉他的事，转头就忘别的 ai 积累足够，上下文要好几周。而 open human 只要二十分钟，核心是 memory tree， 邮件文档、聊天记录全部压缩成三千 tokyo 以内的 markdown 块，分级存储在本地，同时生成 abcde 知识点库，你打开就能搜索、编辑浏览。 灵感来自 carpathy 的 笔记工作流。 gmail notion github slack stripe calendar。 一 百一十八个服务，一键 oof 授权连接，不需要手动配 api key， 每二十分钟自动拉取最新数据到你的 memory tree。 每次工具调用网页抓取邮件内容都吃 token， token juice 压缩，曾把 html 转 markdown， 长链接缩短，清除涌鱼，同等信息量下， token 消耗减少最多百分之八十。和 cloud co work、 open cloud hermes agent 对 比， open human 在 记忆系统集成数量、自动数据获取、模型、路由四个维度全部领先， 别人还在手动配插件，它已经全自动了。它还有个桌面吉祥物，会说话，有嘴型同步，甚至能加入你的 google meeting 当真实参会者。 语音输入加语音输出，不是打字，是真的在跟你对话。一千多颗星， new 开源协议，完全免费，数据全部本地存储加密，隐私有保障。关注我，下期继续带你发现开源宝藏！

兄弟们， ai 总是记不住你的事，每次聊天都要从零开始。这个十八点六 k 新神器 openhuman 直接给你私人超级智能，它是你的个人 ai 超级智能，完全私有，本地优先，简单又极致强大！亮点一，一百一十八加第三方服务自动拉取，每二十分钟更新一次 gmail， notion go top slack 全打通。亮点二，本地记忆术搭配 obsidian 兼容知识永久保存，再也不忘。亮点三，内置网页搜索，爬虫代码工具，还有原声语音功能。 亮点四，智能 token 压缩成本和延迟最高降低百分之八十，还支持 olama 本地模型，再也不用担心 ai 记不住你了！想拥有真正私人超级智能的马上试试，记得点赞关注哦！

这两天非常火的 openhuman， 别只看它写着一百一十八个数据源，真正值得学的是它的记忆系统 memory tree、 bucketseal、 obsidian wiki。 它是一个本地优先的个人 ai 助理，官方定位是私有，简单、强大，连接 gmail、 slack、 notion、 github 这些服务后，它会持续把新数据拉进记忆。普通 agent 的 记忆大多是平的，要么写进几个 m d 文件，要么丢进数据库，未来靠搜索找回来。 问题是过去的信息很难自动补进来，人也很难直接看，直接改。 open human 的 核心叫 memory tree， 不是 一个薄薄的项链库外壳，它把每天的邮件、聊天文档先转成 markdown， 再切块打分进入三棵树。 第一棵是原树，每个 gmail、 slack 频道文档来源都先保留自己的上下文。第二棵是主题树，同一个人项目话题在多个来源里出现，会被聚合起来。第三棵是全局树，每天形成一次总览，再继续压成周月年的记忆。 最有品位的是巴克次友，新内容，先进入 l 零缓冲区，攒到五万 token 左右，或者足够多条数据后，再风筒压缩，摘要升到上一层，上一层满了，继续压缩，形成一颗能逐层展开的记忆树。所以他不是全量搜索，而是先看高层摘要，再一路钻回原始证据。 一百一十八个数据源的意义也不是炫数量，真正关键是 autofatch， 每二十分钟从活跃连接里同步新数据，让记忆自己生长。另一个关键是 obsidian wiki， 他 把同一份记忆写成你本机上的 markdown 文件，你能打开阅读、修改、迁移。 这句话很重要，你看不见的记忆很难真正信任他。还有一个 subconscious loop 向后台心跳。他会定期读工作区和记忆发现任务风险机会，但涉及写操作仍然需要你确认。对国内用户来说，问题也很明显。目前原声数据源更偏海外工具， 微信、飞书、钉钉、本地 word 和 pdf 这些日常资料还需要额外处理，所以我更看重的是它的架构，而不是线程连接器。 我按这个思路做了一个 skill， 给他一个本地文件夹，他会扫描文档转 markdown， 再按记忆术方式生成 obsidian wiki。 这就是 open human 最值得学的地方，让 ai 的 记忆既能自动生长，又能被人看见和修正。

兄弟们，这是开源 ai 智能体 open human， 并且连续霸榜 github trending 第一，定位为面向个人的私有化 ai 超级智能工具，目前处于早期 beta 阶段，仍在积极迭代开发中。目前优势支持一百一十八个以上第三方服务。集成本地优先的知识库体系 memory tree， 将所有接入的数据规范化为小于三 k token 的 markdown， 平分后折叠为分层摘要素 存储在本地。四 q lite 数据库基础工具，网页搜索、网页抓取完整编码工具链原声语音识别 s t、 t 以及 eleven labs 语音合成 tts， 不 同任务自动分配制适配的 i o m 推理型、快速型、视觉型。支持通过奥拉玛部署本地 ai 算力。

兄弟们，你们要的 ai 助手它来了！目前已经二十三点二 k 新标了！ openhuman 是 你的个人 ai， 超级智能，私密简单且极其强大。一个不用你配置终端，不用写轮询代码的 ai 助手，开箱即用一键 o l d 接入你的全部工作流， 每二十分钟自动刷新记忆术背后的 token g 四技术，能砍掉百分之八十的 token 成本，中日韩文字一个不丢，本地优先，数据归你。这是二零二六年打工人，真正的赛博分身，赶紧点赞收藏去试试吧！

最近一段时间，奥斯拓克和 open ai 正在大批量的招聘企业 ai 部署工程师，他们对于这个岗位起了一个新的名字叫 f d。 一， 上周我拜访了一家企业客户，老板对于此次上线 ai 是 非常的重视， 特别把公司里面各个部门的关键用户全部都请上了场，大家做了一些很深入的交流，整个呢也涉及到了三个方面，正好跟刚才我们所提到的 f d 一 不谋而合。第一个呢就是如何把现有的公司的业务流程呢？做优化，甚至做重塑和再造， 这个就是 f。 第二个呢就是公司内部本身就有一些的信息化和数字化的基础，那 ai 的 生态该怎么样跟现有的数字化去做融合，而不是简单的去做替换， 能够给它产生出一加一大于二的这种效果？这个第二个呢就是 d。 第三个就是未来有很多业务由 ai 来执行去落地，那怎么样打造出全面的智能化？第三个就是 e， 所以 无论是对于企业还是对于我们这种 ai 方案的提供商， 你如何尽早的打造出你自己的 f d e 的 岗位体系标准，那你就会尽早的吃到这一波红利，你赞同吗？

哈喽，朋友，晚上好。现在大部分的 ai agent 呀，都有一个很尴尬的问题，你每次打开它，都需要解释一遍，我是谁？我在做什么项目？这个仓库为什么这么写？我昨天跟谁聊过这个客户之间提过什么要求？所以很多人用 ai agent 的 真实体验，不是他替我干活，而是 我要先给他一份完整的入职培训手册。但最近有一个很火的开源项目叫做 openhuman， 他的思路是刚好反过来，不是每次你来教 ai 认识你，而是 ai 先把你的工作实践吸收进去， 包括 human。 官方给自己的定义是叫做个人的 ai 超级智能。这个说法有那么一丢丢的营销啊。但是它真正值得关注的地方不是超级智能四个字，而是它想解决 agent 的 冷启动问题。它的核心做法就是把你的邮箱、文档、聊天、日历、代码、仓库全都接进去。 官方的 readme 里写了一百一十八种第三方的集成方式，通过 os 来连接以后，每二十分钟自动抓取一次。 然后他不会简单粗暴地把所有东西都塞进 property， 而是把这些邮件、文档、聊天、日历、代码、仓库这些内容整理成一个叫做 memory tree 的 结构。 更有意思的是，他会把这些记忆写成 obsidian 兼容的 markdown， what？ 也就是说， ai 的 记忆不是一个你看不见的黑盒销量库， 而是一堆你可以打开、浏览、编辑、删除了 markdown 文件。这个点我觉得就非常关键，因为这意味着未来的个人知识库可能不只是给人看的，而是给 agent 当第二大脑的。过去我们讲 ai agent 经常讲模型、能力、 工具调用、自动执行。但真正用起来以后，你会发现， agent 呢？最大的问题不一定是不会干活，而是不知道该怎么干。他不知道你的偏好，不知道你的项目背景，不知道哪些客户重要，不知道哪个文档是旧的，不知道哪个决策已经被废弃了。所以你越想让他做复杂的任务，就越需要先给他补全上下文。 欧盟赫曼抓住的是另外一个方向， a 政策的能力上限不止取决于模型能力有多强，也取决于他对你有多少了解。如果一个 ai 已经知道了你的日历、邮件代码、文档、会议机要、任务系统，那他给出了建议和执行动作，理论上就会更贴近于你的真实处境。 比如你问他帮我准备明天和某个客户的会议，普通的机器人可能就会给你一个通用的会议模板。那如果他真正读过你的邮件、日历、上次的会议机要和项目文档， 他就可以直接告诉你这个客户上次卡在了什么问题上，你是否答应过什么，还有哪些问题是没有关闭的，以及明天最需要做的事情是那几件。 这才是 agent 真正有用的地方。 openheme 最打动我的地方是，他把记忆曾落到了 obsidian 这种人能读懂的格式里面。这件事看起来很小，在他背后也有很大的分歧。 ai 的 记忆到底是属于平台还是属于用户？ 如果记忆只存在于某个云服务里，但其实你只能看到它，很难去修正它。它记错了，你不会知道它。如果过度总结了，你也不会知道它把一个临时想法当成了长期的偏好， 你还是不知道。但如果这些记忆十八个档文件放在你的本地 word 里，那你至少可以打开看一看。你可以删掉错误的记忆，你可以改掉过期的信息，可以把重要的项目 单独整理出来。这让 ai 记忆从一个平台黑盒变成了一种可以被人类共同维护的知识资产。那对于我这种本来就用 open c d n 来写内容做知识管理的人来说，这个方向就会特别自然。以前 open c d n 是 我的第二大脑， 那以后可能就是我 agent 的 第二代了。未来我们选择 ai agent， 可能不止看谁回答的更快，谁的模型能力更强。可能更需要看的是另外三件事，第一，它的记忆是不是可见。第二，它的数据是不是可控。第三，它能不能被迁移、被删除，被你真正的拥有？ 所以我对 openhuman 的 判断是，它现在未必是一个普通人应该马上就要重度依赖的成熟产品，但它代表的方向非常重要。 过去一年， ai agent 的 竞争重点是谁更会执行任务，但接下来，竞争可能会变成，谁更能拥有长期记忆，谁更能理解你的世界。从这个角度来看， open call 们真正有意思的地方，不是他接了一百一十八个工具，也不是他最近在开源社区热度很高，而是他提出了一个很清晰的问题， 如果 ai agent 迟早要成为我们的数字助手，那他的记忆应该放在哪里？是放在某个平台的黑盒里， 还是放在你自己能够打开的 obsidian what？ 我 个人更倾向于后者，因为一个真正属于你的 ai， 首先应该拥有一份真正属于你的记忆，这也是同学如果喜欢我的视频，记得点赞双关注，我们下期再见！

ai 早报 google i o 今天开幕，主角叫 gemini intelligence， android 直接升级成智能系统。后面讲第二条， open human 开源 ai 助手刷屏接入一百多个应用。第三条， ai 创业年入八百亿， antropic 加 open ai 拿走百分之八十九。 google io 这次核心就是 gemini intelligence， 把 android 从操作系统变成智能系统。你手机以后能直接跨 app 干活，拍张购物清单，他帮你建好购物车，或者说一句帮我定动感单车前排，他直接操作。 第二个亮点， rambler， 对 手机随便说，它自动整理成规范文字，还支持中英文混说。第三个， create my widget， 自然语言描述桌面组建，它直接生成，以前是开发者的活，还有新硬件 google book， 今天 keynote 还有更多料值得蹲。关注 ai 早报，明天见。

二零二六年五月十八日 get how 今日热门来了！今天的 top 八个项目，带你看清开发者风向。 openhuman 是 一个私有化、本地运行的个人 ai 超级智能平台，以 rust 构建，主打极致性能与数据隐私。它让用户无需依赖云服务，即可获得强大的 ai 能力，彻底掌控自己的数据。 今日斩获近四千 stars， 说明隐私 ai 赛道正受到越来越多开发者的关注。我的看法是 rust 写的本地私有 ai 平台，主打数据不出，本机今天暴涨近四 k 星弹功能边界还得看 riemiko。 browser 是 一个经过深度指纹伪装的 chromium 浏览器，能绕过市面上几乎所有反爬虫检测。作为 playrite 的 直接替代品，使用 它在源码层面对浏览器指纹进行 patch， 让自动化脚本在检测严格的网站上也能顺畅运行。 对于需要做数据采集或自动化测试的开发者，这是一个极具实用价值的工具。我的看法是反检测的 play right、 替身爬虫和自动化测试能直接换上跑，省去自己 patch 指纹的功夫。 这是一套专为 cloudco 设计的学术研究 agent skills， 包含从文献调研、转载、同行评审到最终定稿的完整流程。 它将复杂的学术写作工作流拆解为可编排的 ai 技能模块，大幅降低研究者的重复劳动。随着 ai 辅助学术研究的热度持续攀升，该项目近日吸引了大量关注。 我的看法是 cloud code 的 学术写作 skill， 包装上能直接跑文献调研到定稿全流程，省去自己拼 prom 的 功夫。 二、 uview 利用 wifi 信号实现无摄像头的空间感知与生命体征监测，将普通路由器的无线信号转化为透视能力。它可以检测人体位置、呼吸和心率等信息，同时完全规避视频隐私问题。 这一技术路线在智能家居和医疗健康场景中具有广阔前景，近日上榜，反映了业界对非侵入式感知技术的高度兴趣。 我的看法是， wifi 信号做无摄像头人体感知思路够新，但要落地得自己有路由器固件权限，普通人短期跑不起来。 supertony 是 一个在设备端本地运行的多语言文字转语音 tts 引擎，基于 o n n x 框架，实现极低延迟的语音合成。它无需联网，无需服务器，直接在手机或本地硬件上生成高质量多语言语音。 对于需要离线 t t s。 能力的移动应用或边缘设备开发者来说，这是一个极具吸引力的开源选择。我的看法是，端侧多语言 t t s o n n x 跑本地，不用联网，移动端做语音功能直接接，关键看模型体积和音色质量。 c l i anything 致力于将任意软件改造为 agent 原声工具，通过 c l i hop 统一封装各类命令型工具，使 ai agent 能够直接调用几乎所有现有软件。 它解决了 ai 与传统软件之间的鸿沟问题，让 agent 编排变得更加灵活和通用。 来自香港大学的研究团队发布此项目，引发了 ai 工程领域的广泛讨论。我的看法是，想法是把所有软件包成 c l i 给 agent 掉方向。对，但要真覆盖你需要的那几个工具，目前还得自己写适配 scientific agent skills 提供了一批开箱即用的 ai agent 技能模块，覆盖科研、工程、金融、分析和写作等多个专业领域。用户可以直接将这些技能插件集成到自己的 agent 工作流中，快速获得专业级的分析与处理能力。 随着 agent 生态的蓬勃发展，垂直领域的技能包正成为热门需求。我的看法是，一堆现成的 agent skills 插件直接接到自己工作流理就能用，省去自己写 prompt 的 麻烦。 lma c p p 是 目前最成熟的本地大语言模型推理框架，用纯 c c 加加实现，支持在 cpu 和各类消费级硬件上高效运行。 l l m 它是本地 a a 生态的基石项目，几乎所有本地模型运行方案都以它为底层依赖。 作为长期稳定的热门项目，每日仍保持稳定的 star 增长，充分说明其在开发者社区中的核心地位。我的看法是，本地跑大模型几乎只能选它， cpu 也能推理，量化方案成熟部署，一晚上能上线。 以上就是今日 geek hop 热门项目，关注我，每天一分钟看清开发者风向！

二零二六年五月十七日 geek 今日热门来了！今天的 top 八个项目，带你看清开发者风向。 openhuman 是 一个完全本地运行的个人 ai 超级智能平台，强调隐私保护与极致性能。它以 rust 构建，只在让普通用户无需云端依赖即可运行，强大的 ai 能力 近日已接一千七百颗星高居榜首，反映出社区对本地化、私有化 ai 方案的强烈需求。 我的看法是 rust 写的本地个人 ai 平台，主打隐私不上云，今日暴涨近一千七百星，但具体跑什么模型、硬件门槛多高都没说清，先观望。 c l anything 提供了一个统一的 c 号，使任意软件都能被 ai agent 直接调用和集成，无需为每个工具单独适配。 它解决了 ai agent 与现有命令行工具之间的互操作难题，让万物皆 agent 成为可能。 来自香港大学数据智能团队，近日因 agent 生态热度持续走高而受到关注。我的看法是，想法挺好，但还很早把任意 c l i 包成 agent 可调用层，实际能不能稳定跑通看适配质量，目前更像 demo。 kel diy 是 kel 点 com 团队开源的轻量级日程调度基础设施，面向所有人提供自托管的预约日历解决方案。相比完整版 kel 点 com， 它更加精简易用，适合个人开发者快速搭建。调度功能 近日上网，源于其零门槛自建 cliently 替代品的定位，吸引了大量独立开发者关注。我的看法是 kel 点 com 出的轻量自托管版，想替代 cliently 的 可以拉下来跑，配置比正式版简单不少。 b 是 用 zig rust 构建的极速 java script 一 体化工具链，即运行时打包器、测试框架和包管理器于一身，性能大幅领先 node js 和 npm。 它持续作为 js 生态的热门项目，近日再次进入榜单，说明其版本迭代或相关技术讨论持续活跃。对于追求构建速度和开发体验的团队， b 是 目前最值得关注的 node 替代方案之一。 我的看法是，装上直接替 mpn 跑，脚本和测试基本无痛，当到全量替身还得踩 native 模块和边角 api 的 坑。 opengenre tv 啊，是一个自托管的 ai 图像与视频生成平台，整合了二百家开源模型， mit 协议免费使用。 它解决了商业 ai 生成服务价格高昂、数据隐私存疑的问题，为个人和企业提供完全可控的生成式 ai 能力。 今日以七百余颗新星入榜，体现了社区队免费加开源加自托管 ai 工具的持续热情。我的看法是，自托管要自己配 gpu 和模型权重，二百家模型听着多旦，实际能跑起来的没几个，先看文档评估硬件门槛。 shadow broker 是 一个开源情报 ausent 聚合平台，整合了飞机、卫星、地震等公开数据源，并结合 ai 提供智能分析能力。 他面向安全研究人员、记者和地源政治分析师提供低门槛的公开情报追踪工具。近日上网，反映出 ausent 工具领域的持续关注度，尤其在当前全球地源政治敏感时期，吸引力更为突出。 我的看法是， awesome 聚合器加 ai 分 析思路不新，但整合度看着够用，能不能跑起来取决于那堆数据员。 api 题，你愿不愿意一个个去申请？ agent skills 是 一个面向专业 ai 编程 agent 的 技能注册中心，提供经过安全验证的标准化技能包，解决 ai agent 能力碎片化和安全性缺失的问题。 他为企业级 ai 编程工具提供可信的技能扩展机制，类似 ai agent 的 应用商店。随着 agent 编程工具快速普及，此类标准化基础设施项目正逐渐受到技术团队重视。 我的看法是，想给 ai agent 装技能包的注册中心概念清晰，但生态美起来，明天能用的现成 skill 太少，先观望。 agent store's production 是 一套系统性的企业级 genie agent 开发教程合集，覆盖从原型验证到生产部署的完整链路，以 jupiter notebook 形式呈现，异于实践。 他填补了当前 ai agent 教程只讲 demo 不 讲落地的空白，对工程师将 agent 能力真正推向生产环境具有直接参考价值。近日上榜，说明开发者社区对生产级 ai agent 的 学习需求持续旺盛。 我的看法是， no book 教程合集讲企业级 agent 从原型到部署照着跑，能少踩坑，但真上生产还得自己搭基建。 以上就是今日 geek hop 热门项目，关注我，每天一分钟看清开发者风向！

今天聊一个 github 上的项目，叫 openhuman， 三个月飙到八千六百星，定位挺狂的。私人 ai， 超级智能，说白了就是一个开源的桌面 ai， 可层接上你的所有账号，自动建本地知识库，不是普通的聊天界面。 先说持续记忆，跟 chat、 gpt 和 cloud 那 些聊天助手的本质区别就在这里。每一次打开，他都认识你。不用重新介绍， 你把 gmail、 github， slack、 notion 全接进来，每二十分钟自动同步一次，压缩成本地记忆。下次打开，他已经知道你在干什么。长效记忆不是画饼，是实实在在跑在本地的东西。 再说 memory tree， 它不走向量数据库那条路，它认一个道理，做记忆不能靠模糊搜索，得靠导航。所有数据先转成 markdown， 切成小块打分，然后构建成三层摘要素， 它能回答今天发生了什么。这个人的最新动态，上周二下午那笔 stripe 退款在哪？向量数据库只能回答什么跟这个像，它能告诉你那个东西在哪。 还有一个特别聪明的设计 token juice， ai 的 成本大头不再思考，再看上下文，一个 git status 几百行，一封邮件几千字。 token juice， 在 数据进模型前先做处理， html 转 markdown， 长 url 剪掉重复型，去掉 三层规则叠加内置规则，用户自定义，项目级配置，没有它，每二十分钟叠加内置规则，用户自定义，项目级配置，没有它，每二十分钟全量同步多个数据源， token 成本根本扛不住。 最后说现状，安装很方便，一行命令搞定， all off， 一 键接服务，等二十分钟完成首次同步，就能直接问 记忆文件，可以在 abc 里打开编辑，你的知识库你说了算，但它确实还不够成熟，一百二十一个 issue 开着，有 core panic， 几乎每天发版。技术站也重 rust tori saph 要装一堆东西，核心功能依赖后端，不是完全本地化的。 总结一下， openhuman 最值得关注的地方不是又一个 ai 桌面客户端，而是它真的在认真解决 ai 的 记忆问题。靠工程化的数据流水线，不是向量数据库， 缺点就是太早了，还在快速迭代，但方向是对的， ai 助手不应该每次都是陌生人。

又一个国产 ai 项目杀疯了！ openhuman 这个开源 ai 智能体连续霸榜 github 顶第一，一天狂涨上千星，直接破万。它到底凭啥这么猛？ 先说最狠的，它能一键连接你一百一十八个常用服务， gmail、 github， notion 全打通，每二十分钟自动抓一遍新数据，不用配 apikey， 点一下授权就行，你的邮件代码笔记全给它盘明白了！ 更离谱的是它的记忆系统，它会把所有信息切成小片段，按主题、时间线、关联人物打分，最后组织成一颗树状结构，存在你本地的 sq lite 里，相当于给你建了一个卡帕西同款私人知识库，还能导出成 cind 笔记。 它还有个叫 token juice 的 压缩技术，能把 token 消耗砍掉百分之八十。更夸张的是潜意识循环，它在后台自己加载代办，独取记忆，做决策根本不用你催。还有个 mesa 虚拟形象，能替你开 google me 旁听记笔记， 本地存储隐私优先，开源免费。这才是真正的个人 ai 操作系统。你觉得 open human 能火多久？评论区聊聊，点赞关注，下期见！

式聊天窗口更像桌面端地个人 ai 操作系统。他把 react tori rust core 放进同一个 mono repo ui 做交互。 tori 接管本地能力， rust core 负责智能体运行。 前端拿到 r p c 地址和 token， 再把业务请求交给 rest。 核心是 agent harness， 对 话工具、子代理和事件都在这里编排，内置角色包括 orchestrator， planner， researcher， code， executive， 所以它不是问答模型，而是能调工具能分工的 agent。 runtime skills 负责扩展能力，一个 skill m d 就 能注入新的规则和资源。 memory tree 把聊天邮件文档规范化成 markdown chunk， chunk 写入 sqlite 和本地文件，再评分，抽实体折叠成摘要素 集成层，连接 gmail lotion github， slack autofresh， 再把数据拉进记忆术。实时能力走 socket 和 mcp 同步工具，调用工具返回结果。 技术站包括 react 十九， vita， tauri， vr， tokyo， oxum， escalite， 还有语音 google meet， mascot、 本地 ai token juice 和 obsidian vault。 一 句话，桌面 app 加 rust core， 加工具运行时加本的技术。

openkitman， 你 的个人 ai 超级智能！你有没有想过，为什么你的 ai 助手每次对话都从零开始？ openkitman 不 一样，它有记忆术，能记住你的一切，连接你的邮箱日历代码仓库，几分钟内完全了解你。 一百一十八个第三方集成，一键连接 gmail 服务器 slack， 每二十分钟自动同步最新数据，隐私至上，所有数据存在本地。 s q light 加密存储，完全属于你。 用 rest 语言构建极致性能开源免费 github 超过一万九千颗星。现在就去 github 搜索 tiny human zion openhuman， 开启你的 ai 超级智能之旅。