OpenHuman功能
粉丝8906获赞8.7万
相关视频
05:26查看AI文稿AI文稿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！
4123HarnessWorld
01:17查看AI文稿AI文稿大家好，我是李强，站在亚健康上。呃，这个是最近这十几天在 ai 圈比较火的 open human， 然后我给大家演示一下。啊哦，其实它跟 workbody 的 话其实还是有点差距的，就是腾讯在做产品上面肯定是胜人一筹的，这开源的软件的话，其实还是， 呃，在产品上是欠点火候的，所以我来跟大家演示一下。你好你好，你是谁？ 我是你的 ai 助手，叫 chat， 在 openhuman 里帮你处理各种事情，查信息，安排人物，卸代码，关钱包等等，有什么需要直接说就行。 呃，所以，呃， open human， open human 它其实还是一个，就是一个个人提高工作效率，然后做一些 ai 事情的一个工具，大家有兴趣可以去使用一下，谢谢大家。
01:28查看AI文稿AI文稿一千零四十六颗星，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！
63GiftLee
06:56查看AI文稿AI文稿get up 一 周热点汇总第一百一十五期，本期的内容呢，包括了桌面级的 ai， 超级助理，编程 agent 的 智能图谱，隐身， chrome 把任何软件变成 c l i 工具，以及呢实时的流式三 d 重建模型。那最后呢，还是分享两份资料，如果觉得内容不错啊，别忘了点赞和关注。 open human 呢，是一个开源的智能助手，那这半年呢，涌现了很多啊，现象级的 a 阵的工具，尤其呢是 open claw 和 hammer 最为呢出名。 open human 呢，在功能上啊，和它们是类似的，那它整体来看呢，最有特色的是两点，第一个呢是 open human 啊， 希望让 ai 呢主动来了解我们。那整个项目的核心链路呢，可以拆解为三个部分，就是连接，抓取和记忆。那项目支持啊，超过了一百八十种的第三方集成和自动的拉取。这里呢应该是使用 composio 的 工具。那前几期呢，我也介绍过， 可以去翻一下之前的视频，它可以呢，每二十分钟去便利每一个活跃的链接，并且将新的数据拉取到记忆术当中。第二个呢是 memory tree 和 obsidian 的 双轨机制，这套机制呢，是来自 ai 大 神卡帕西分享过的。 obsidian 工作流 思路呢，还是很精华的安装啊，还是比较简单的 macos 和 linux， 支持一键的 q 命令去安装。 windows 呢，也有 powershell 的 脚本 也支持呢本地的模型。但是目前呢，整体的设计思路啊，还是希望引导去使用它云上的 ai， 所以呢，虽然支持本地的 ai 和自定义啊，但是都比较麻烦。 最后啊，项目还给出了一个 token zui 的 一个压缩层来去降低 token 的 开销，官方的数据啊，说可以把成本和延迟降低百分之八十。项目里呢，也给出了一个很重要的问题是迁移，比如呢，我熟悉了一个工具，就不想要去切换， 所以呢，想要让用户啊进来使用它的新工具，其实应该学习一下 hems， 提供自动化的迁移工具。总之呢，项目的思路我觉得还是很值得去学习和了解的。 如果你用过 cloud code 或者是 cursor 呢，去写大的项目肯定啊，遇到过这个问题，就是 agent， 每次呢都要用 grab 等工具呢，去到处的翻文件，去找代码， 那一顿凶猛的操作背后啊，就是 token 在 燃烧。 code graph 呢，就是来解决这一个痛点的，他给你的代码仓库啊，去预先建设一个支持图谱， 背着的呢，直接去查图谱就可以了，不用呢再去买文件的，去乱找官方给的数据啊，平均可以便宜百分之三十五。 token 呢，可以减少百分之五十九，那速度啊，可以提升百分之四十九，也可以减少百分之七十的。工具调用在 vs code 这种十 k 以上的大文件的仓库上，效果尤为明显。 toc 呢，消耗呢，可以直接降低到原来的四分之一左右。那使用上呢，也比较简单啊，一号命令就可以安装，然后呢，在 code graph init 就 可以触及化。项目支持了 cloud code， cursor， codex， 还有 c r i， open code 等这样主流的编程。 agent 那也支持啊，超过十九种的编程语言，还有框架级的路由识别，比如呢，像 jungle， flex， spring express 这些常见的都可以自动的识别，同时呢，它也保证啊，是在本地去运行数据呢，不上传，也没有外部的 api 调用，对隐私敏感的开发者来说啊，是非常好的一个消息。 clock browser 呢，是一个隐身版的 chromecast 浏览器，它通过了超过三十个的反爬检测网站的测试。呃， recapture v 三评分呢，也是零点九。 cloudfire 的 测试呢，也可以直接通过市面上一些比较常见的方案，比如像 playrite， undetected 都是呢 gs 注入或者是配置层面的 patch。 那 chrome 一 旦更新了就容易失效， 那本项目的做法呢，会更硬核一些，它直接修改了 chrome 的 c 加加的原码，五十八个补丁呢，去覆盖了像 canva， 视频字体， gpu 等内容啊，翻译成真正的二级质的文件。这样的反爬系统啊，就确实识别到的是一个正常的浏览器了。 那对于做自动化和数据采集的还有 ai 浏览器的朋友来说呢，这个项目是值得去关注的。那最近一段时间呢， c l i 的 热度啊，不断的上升，那这周啊，我也出视频介绍了飞出的 c l i。 那 本项目是又一个来自于港大 h k u d s 实验室的， 它的想法呢，就是把所有的 gui 的 软件都变成 ai agent 能够使用的命令行工具。那它的原理呢，其实也不难理解， ai agent 呢，通过 gui 来控制软件，那效率呢，是高于截图加 gui 的 方式的。那 gui anything 呢，就会分析你的软件的源代码或者是 github 的 仓库， 去自动化的生成一个 zenfors 的 命令行接口。然后呢， aia 的 呢，就能够直接的通过终端的命令来去使用这个软件了，那目前社区啊，已经贡献了超过十八个以上的应用， c r i 的 适配，比如呢，像 blender 啊， liboffice 啊，还有 zoom， 甚至呢，包括了 go dot 的 游戏引擎， 那还有一个 c l i hub 的 包管理器，只要安装以后啊，就可以去一键浏览安装所有社区构建的 c l i。 那 本项目支持 cloud code， cursor， codex， opencloud 等主流的工具。 说实话呢，这个项目的野心还是很大的，如果真的能够做到啊，让 ai agent 通过 agent 去直接操控任何的软件，那对于 agent 的 生态来说是一个巨大的推动的。流式三 d 重建基础模型， 它可以从流逝的视频数据当中呢，去实时的重建三 d 的 场景。那蚂蚁凌波呢，在年初的时候一口气开源了四款大模型， 包括了 lingbot dapps， lingbot vla， lingbot va， lingbot word， 覆盖了感知底层环境理解，行动输出，但其中呢，缺少了一个关键的环节，就是如何把连续的感知数据呢，实时的构建成稳定的三维空间模型， 那本项目呢，就是填补了这个空缺。那简单来说呢，就是你拿着一个手机啊，去拍一段视频，它能够一边拍一边实时的重构出三 d 的 场景，速度呢可以达到约二十 fps， 支持啊室内外的场景，并且呢是 r 八七二点零的开源许可协议模型呢，在哈根 face 和 model scope 上呢，也都能够下载。如果你对像三 d 视觉啊，自动驾驶等技术呢感兴趣，可以去了解一下这个项目。 那最后啊，还是分享两份资料，第一份呢是重构与崛起 openclaw 时代的中国 agent 的 产业生态报告主要呢围绕 openclaw 引发的 agent 的 产业的革命去展开，分析了中国 ai agent 的 生态的协议啊，模型啊，平台啊，还有商业模式上的这个发展的过程。 报告重点讨论了包括像 skill 经济啊， a 阵的基础设施，还有一些企业级的治理等内容。那第二份呢，是二零二五年人形机器人市场研究报告，它系统的梳理了全球与中国的人形机器人产业的发展状况， 市场格局，还有未来的一些趋势。那报告也重点分析了像语数啊， u b 选啊，还有 figure， ai 等企业它的发展路径，以及呢在一些重点行业当中的一些商业化的进展。那有需要的呢可以告诉我。那以上啊，就是本周的全部内容，那我们下次再见。
3983IT咖啡馆
00:35查看AI文稿AI文稿本周上升速度最快的 ai 项目 openhuman 是 什么？ cloud 很 强，但你每次还得重新解释背景。 opencloud 再全能也有个硬伤，记忆和能力都不够强。所以我觉得下一波 a 阵拼的不是谁会聊天，而是谁更懂你。 openhuman 就是 堵这条路。 二十五点七 k star 开源个人 ai， 它能接 gmail， notion， gitop 每二十分钟自动拉上下文塞进本地记忆术和 obsidian。 我 不说它能替代谁，但这个方向值得看。感兴趣去 gitop 翻细节，你更想要全能 agent， 还是懂你的 agent。
45不服输的奶爸
00:55查看AI文稿AI文稿今天我选的 ai 开源项目是 openhuman， 它不是又一个聊天框，而是想把你的邮箱日程、 slack、 github 和浏览器接近。一个本地优先的个人 ai 助手。 项目现在七千一百多星，核心用 rust 和 textscript 的 写，最新版本是 v 零点五十三点四三，昨天刚发版，今天还在持续推送。它最强的卖点是 memory tree， 连接进来的数据会被压缩成 markdown， 存进本机 sq lite， 并同步到 obsidian 风格的知识库。 还有一百一十八个以上集成， gmail， notion、 github、 slack、 stripe、 calendar、 drive， linear、 gera， 靠 os 一 键接入后台，每二十分钟自动抓新上下文。 openhuman 还内置网页搜索、爬取文件系统、 git 测试语音和模型路由，甚至支持通过 alma 跑本地模型。他想做的是一个会记住你工作流的桌面 agent， 但我建议先当 early beta 看，他会接触很多个人数据。先在小号和非敏感账号里试，重点验证隐私边界、同步质量和记忆是否真的有用。
177Vibe杰
04:18查看AI文稿AI文稿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。
1.0万AI有点聊
04:11查看AI文稿AI文稿你真的敢把自己的邮箱、 github 日历和本地文件全交给一个还不成熟的 agent 吗？最近 openhuman 很 火，很多人说他像未来的个人 ai 助手，我也装了实测了一遍，但测完之后，我最大的感受不是兴奋，而是警惕。 因为个人 agent 走到这一步，已经不是会不会聊天的问题了，而是他到底有没有资格进入你的数字生活。今天这期，我把三个代表性项目放在一起看， opencloudhermis openhuman 先说结论， opencloud 最像个人 agent 操作系统， hermes 最像开发者可以长期调教的工作代理。 openhuman 最像未来普通用户会接触到的个人 ai 产品， 但最有产品感的那个，不一定是现在最可靠的那个。先看 opencloud。 opencloud 的 优势是能力完整，它不是一个聊天框，而是一个本地优先的 agent 平台。它可以接消息渠道、跑工具管理 workspace、 加载 skills， 也可以操作文件、浏览器、命令行和第三方服务。 所以如果问三者里谁现在最能干活，我会选 open club， 但他的问题也在这里，他太能干活了。一旦 agent 能读文件、 poshel 连 github 收邮件，他就不是普通 ai 助手，而是一个有权限的数字执行体。 所以用 open call， 重点不是能不能跑，而是你有没有做好权限边界测试，账号只读权限杀伤审批、日制，这些都是基本安全线。再看 hermes， hermes 是 nose research 做的，定位是 self improving agent， 它最有意思的地方不是 u i， 而是技能学习和长期改进。简单说， hermes 更像一个工程师愿意长期养的 agent， 它适合接自己的模型，适合跑在本地或服务器上，也适合把重复工作沉淀成 skills。 相比 open club， 它没那么大而全，但开发者可控性更强。如果你想研究 agent 怎么长期记忆，怎么形成技能，怎么在项目里持续工作， hermes 是 我最愿意长期观察的， 但它不太适合普通用户开箱即用，你需要理解模型配置、权限和部署环境。最后说 open human， open human 是 最近最火，也最容易让人产生期待的那个。 它主打桌面 app、 个人记忆、语音、本地知识库，还有 gmail， notion， github， slack， calendar 这些集成。这个方向非常对，因为真正的个人 ai 不 应该只是聊天窗口，它应该理解你的项目日程、文件、联系人和长期习惯。但我实测后觉得它现在的问题也很明显。 第一，它不是纯粹的 b y o model 工具，默认路径里账号订阅、 credits 和后端 session 的 痕迹很重。第二，它虽然强调 local first， 但不等于所有东西都本地记忆可以本地部分 provider 可以 改，但账号支付、 oaf 和很多集成仍然会牵涉云端。 第三，它背他感很重。我这次把 openhuman 切到小米 memo provider， 最后发现当前 release 实际走的是旧版配置，需要改 api key、 inferenceunderscore、 url 和 model 下划线 routes 才能跑通。 而主分支源码里又已经出现了另一套新 provider 配置。这说明 openhuman 的 愿景很强，但工程状态还在快速变化，所以怎么选？如果你要自动化能力选 openhuman 的 愿景很强，但工程状态还在快速变化，所以怎么选？如果你要开发者可控性和长期可训练性，看 hermes 如果你想体验未来个人 ai 产品形态，可以是 open human， 但不要一开始就接主邮箱，主 github 公司 slack 和重要日历。我的排序是生产可用性 open cloud 大 于 hermes， 大 于 open human。 开发者可控性 hermes 大 于 open cloud， 大 于 open human。 普通人体验 open human 大 于 open cloud， 大 于 hermes。 但最重要的一点是，不要把 personal agent 当 chat bot， chat bot 说错话最多误导你。 agent 拿到权限后做错事，可能会改文件、发消息、泄露数据，甚至影响真实账户。 所以个人 agent 真正的门槛不是模型多聪明，而是权限管理、记忆透明度、审计能力和失败恢复机制。最后问你一个问题， 如果有一个 agent 能读你的邮箱 getop 日历和本地文件，你会给他什么权限？只读每部审批还是完全放手？评论区聊聊，关注我，下期继续带你拆！
02:22查看AI文稿AI文稿这两天非常火的 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。
211北笙Ai
04:21查看AI文稿AI文稿哈喽，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！
30野生刘同学
01:42查看AI文稿AI文稿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。
10学长聊 AI
01:44查看AI文稿AI文稿今天第一名， openhuman， 一 天新增一千六百九十 star， 他 想做你的个人 ai 工作台，记忆工具、语音搜索代码全部放在一起。第五名， a new match add open generative ai 累计一点五一万 star， 今天新增七百零三， 他把二百多个图像视频模型整合进一个开源工作室，帮创作者自建图片、视频生成和编辑流水线。第四名， alvin s h 的 bob， 累计九点一七万 star。 今年新增九百一十 ban， 用一个命令解决运行、安装、打包和测试，减少前端项目里反复切工具的成本。第三名， calcom 的 caldiy， 累计四点三三万 star， 今天新增四百三十三，这是 calcom 的 社区开源版， 可以自己部署预约业和日常系统，帮个人和团队掌控预约可用时间和会议流程。第二名， house 的 c l i n， 累计三点五六万 star。 今天新增二百三十八，他把各类软件包装成 agent 能调用的命令型工具，让 ai 直接操作真实应用，完成具体软件任务。第一名， tiny human side open human 累计一点三二万 star。 今天新增一千六百九十， 他是个人 ai 助手，包含本地记忆一百一十八，多个集成搜索、语音和代码工具，把你的资料、工具和任务 集中到一个个人 ai 工作台。今天前五名，对应五个落地场景。个人工作台 a 阵操作软件、自托管日程、前端工具链、 ai 媒体生产线。我是 tiktok 推荐官，每天一条视频，带你看懂今日最热 tiktok 开源项目。
268GitHub推荐官
01:10查看AI文稿AI文稿又一个国产 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！
49猿人
04:13查看AI文稿AI文稿这周的地摊榜单，三个字总结很务实，新面孔占了八成，头部项目几乎全在围绕一件事做文章，怎么让 ai 编程代理从能用变成靠谱的生产力？ 我们会看到代码理解、记忆增强、技能套件这几个方向扎堆出现，而且榜首之争，比的是谁更懂开发者当下的痛点。 咱们直接看项目这周的榜一， openhuman 一 周新增一万七千多 star， 定位就是你的私人 ai 超级智能体，它跟那些纯命令行工具不一样，是一个桌面应用， 主打 ui 交互和桌面宠物式的陪伴感。重点是可以一键接入 gmail、 github 这些一百多种第三方服务。如果你每天在多个工具间来回切换，希望有一个统一的 ai 助手来接管琐碎的日常， 这是一个特别值得上手试试的方案。紧接着第二到第五名，几乎组成了一个 ai 编程的增强全家桶，而且很多都跟 cloud co 生态强绑定。第二名的 code graph 和第五名的 agent memory 一个解决看懂代码库，一个解决记住上下文， code graph 会提前把你的代码库建成一个结构化的知识图谱， ai 不 用再傻乎乎的逐行扫描文件，平均能省下三成以上的 token 消耗。 a 阵 memory 则是给 ai 加了个外挂记忆，而且这个记忆的持久化是跑过真实精准测试的， 解锁准确率很高，能减少九成以上的 token 开销。如果你正在用 curl code 磕舍这些工具，每天为大项目的上下文消耗和不精准的回复，头疼。 这两个项目，本周必看。第四名， supertonic 是 这个梯队里的一个异类，它做的是设备端的文字转语音模型，只有九十九兆，却能跑三十一种语言， 支持移动网页、潜入式等各种平台。如果你在做需要离线语音合成功能的应用，又不想接语音服务，这个项目会给你惊喜。再往后看，第三名的 academic research skills 和第八名的 ban 都值得单独说一下 学术技能。这个项目专门为用 clockwork 写论文的人准备，从小题调研到中稿全流程覆盖，还内置了引用验证这种很实在的功能，我会觉得把它当做一个严苛的写作陪练价值很大。半老朋友了，但这次以新榜第八的身份出现， 说明大家对一体化、高性能的 javascript 全家桶工具的需求依然旺盛。如果你受够了 nojs 缓慢的启动和复杂的配置，换到半绝对能提升一节幸福感。还有几个项目，咱们快速过一下。第六名， kunk browser 一个在源码层修改了指纹的隐形浏览器，能过各种反爬检测。如果你做数据采集或者自动化测试，可以留意，但请注意合规使用。第七名， rovia 常驻榜单的 wifi 感知平台， 不用摄像头就能做穿墙感知，是边缘计算和隐私保护方向一个很有趣的探索。第九名十二、 factor agents 它不提供代码，提供的是构建生产级 ai 代理的原则，可以看作是防止你的智能体项目烂尾的避坑指南。第十名， easyweb， 是 给零基础新手的 ai 编程课。 第十三名， vmax 是 用多智能体框架自动拍视频的，你可以把想法或剧本扔给它，端到端生成视频。第十一名 pure fire 是 用 rust 写的极速 python 类型检查器。 第十二名 superpowers 和第十四名 skills 都是 ai 编码的方法论和技能框架，前者像强制工作流，后者更像一套可组合的命令级，但内核一致，都是教你怎么更好地指挥 ai 写代码。 如果你刚开始跟 ai 结对编程，这些项目能帮你把路子走正聊完这份榜单，整体看下来风向很清楚。大家不再满足于跟 ai 聊天室的浅层交互， 而是在认真的给 ai agents 配装备和立规矩，让它能理解大项目，记住关键字，遵循严谨流程。如果这周你只看一个，我会推荐 co graph。 它解决了一个基础但又极其平凡的问题， 让 ai 更快的看懂你在做什么好。最后八个问题，你用 ai 编程的时候，是希望它记住一切，成为你的专属搭档？还是希望它每次都是全新开始，不留下任何上下文评论区，说说你的偏好。我是赛博笔记，我们下期见。
289赛博笔记
01:01查看AI文稿AI文稿这个开源项目能让 ai 从一百一十八个工具里一键导入你所有的数字记忆，只需二十分钟，它就拥有了你过去几年累积的完整工作和生活上下文，并且永远记住你。在 github 上开源几天，已经冲到了二十五 k 星标。卡帕西曾推崇用 obsidian 搭建个人知识库， 让 lm 基于真实记忆回答问题。 openhuman 把这个理念做成了桌面应用，不是等你手动为文档，而是 ai 主动连接你的邮箱、日制 notion 以及各种聊天数据，自动压缩成 memory tree， 存在本地文档里， 同时生成一份 obsidian 兼容的文件。它操作非常简单，开箱点击授权就能搞定，而且每二十分钟同步一次，完全自动。而且同样的信息量经过压缩， 能最多减少百分之八十的 token 用量。采用的是大神卡巴西建议的记忆结构，清洗后的数据会被切成 markdown 片段，按时间线、主题和关联对象做层级摘药，最终在本地生成一颗记忆树，并且所有数据库全部锁死在本地硬盘，把你的安全感直接拉满。
342二次螈Ai工具箱
05:30查看AI文稿AI文稿受够了！每次用 ai 都要像复读机一样从头解释半天背景吗？今天咱们直接来个硬核解密！遇见 open human， 这是一个真正开箱即用、完全自主的开源专属数字分身，它能彻底治好 ai 让人抓狂的上下文失忆症！ 看到屏幕上这个极其呆萌的小黄人了吧？千万别被他的外表骗了！在真实的运行环境中，他其实是个极其硬核的高级全能助理。 你只要随口说一句帮我查下新邮件，他瞬间就能在后台一顿猛如虎的操作，帮你把 uber 的 打车发票、 spotify 的 订阅记录，甚至 zero 上的租房提醒全都提炼出来。真的是长得极度呆萌，干活极其硬核！ 咱们平时用的传统 ai 啊，说白了就像个记性极差的实习生，你需要花好几周时间，天天为他提示词，他才能勉强懂你的工作流。 在 open 胸门解决了一个巨大的痛点，他直接把这个漫长痛苦的过程压缩到了几分钟。你没听错，瞬间同步你的完整工作上下文，让你一秒进入巅峰工作状态，这简直是碾压级的体验！ 那么问题来了，他是怎么彻底终结 ai 的 上下文失意症的？咱们一探究竟。 核心秘密就在这个数字，一百一十八！这是他目前之时的开箱即用的集成数量。 通过一键 osos 授权，没有复杂的代码，也不用搞什么密钥，它能瞬间无缝接入你的 gmail， notion， 机操甚至机软，等于是一键打通了你的整个数字宇宙。 接入之后，更觉得来了，他会在后台默默执行一个长期的二十分钟自动同步循环，也就是每隔二十分钟，他就源源不断的拉取你的最新信息，完全不需要你输入任何提示词。每天早上你刚端起咖啡，你的助理就已经把今天的最新动态全盘掌握了。 拉取这么多数据乱成一锅粥怎么办？别急，接下来就是它的第二大杀器，构建你专属的记忆术。你的海量数据绝对不会杂乱无章，它会把信息规范化，切成不到三 k token 的 markdown 小 片段，然后直接存进你电脑本机的 sq lite 数据库里。 这个神仙设计可是受了 ai 大 神卡尔帕特的启发，等于是在本地为你生成了一个高度层级化、完美兼容 obsidian 的 知识库。你可以随时浏览、编辑属于你自己的数字。人生 最让人省心的是它真正的零摩擦体验，内置网络搜索，完整的 get m、 r、 d 代码，工具级甚至原声，支持语音。 通过以 level labs 技术，这小黄人还能根据语音同步口型。更夸张的是，他能作为一个真实的参会者，直接切进你的 google meet 会议，这才是彻底融入你的工作流。 听到这，你可能会问，全天后处理这么海量的数据，我的 api 账单不得原地爆炸呀？别慌， token juice 来帮你断崖式省钱！ togan juice 说白了就是一层极其聪明的数据脱水机。在那些涌长的邮件或者复杂的网页触捣它模型之前，它会自动剔除掉所有的溶于水分，比如精简 html， 缩短链接给绕指去虫。 而且最棒的是，它能完美保留咱们的中文和各种 emoji 等多字节字符，绝对不丢弃任何有效内容。 有了这层智能压缩，拿真实数据说话，你获得的信息质量任何缩水但消耗的偷坑成本和系统延迟，最高能爆降百分之八十。 这意味着你可以毫无顾虑的让数字分身二十四小时为你思考，彻底告别账单焦虑。当然，我知道大家最关心的一点，把这么多核心工作数据交出去，隐私怎么保障？ 答案是绝对的安全可控。你的所有数据完完全全保存在你的设备本地，经过全面加密，永远只属于你自己。 如果你对云端传输还是心存顾虑，完全没问题，直接接入欧拉玛，在离线状态下跑，所有的 ai 端侧覆盖，敏感知识必须牢牢攥在咱们自己手里。那么在当前，这个百花齐放的 ai 端侧到底处于什么段位呢？ 咱们拿它跟几个主流框架做个直观对比。面对 cloud coworker 这样的闭源生态，还有像 opencloud 那 种严重依赖手动配置插件儿的系统， openhuman 凭借着格怒吉开源精神独步天下的二十分钟自动拉取，还有刚刚提到的一百一十八项以上一件集成，可以说是脱颖而出。 尤其是它这个技术加 obsidian 的 持久化结构，直接碾压了那些只能在对话范围里拥有短期记忆的传统 ai。 这是减少 a p i 碎片化的终极选择。工作方式的范式已经彻底改变了，那么你是否已经受够了每天机械地向 ai 复制粘贴背景信息？ 你是否准备好夺回你宝贵的个人时间，让这个懂你全天候运作的开源系统，在今天就立刻成为你真正的数字分身呢！
01:35查看AI文稿AI文稿百分之九十的人装完 oppo 可乐都会蒙，这玩意怎么不会联网？真不是他笨，我亲测了一下，给他装完这九个 skills， 你 的小龙虾一定会如虎添翼。我登了一个表格，里面放了每个 skills 的 下载链接，有需要的评论区自取。第一个，看图能力需求指数，五颗星只 要给 ai 发送的截图，无论是报错的截图还是合同或者是表格或者是文档，他都能秒看懂，帮你解决问题。第二个，联网搜索，无论是搜索新闻、查资料、查技术文档、查政策、 亲测，比百度好用。第三个，全格式总结，你丢给他一个 pdf 网页或者是图片、视频、音频， 他都能够帮你总结出最简短的文字。第四个，长期记忆，你是不是有过？你每每告诉过他你的职业或者你的爱好，他还是会忘，装上它， ai 就 相当于有类长期记忆，他只会越来越懂你。第五个，资料库。你跟 ai 的 所有沟通都是在帮助你构建自己的知识库，也也能够帮助 ai 随时做解锁， 给 ai 喂资料，他就成了你的私人知识库。第六个，主动找技能。你告诉他你需要什么技能，他会自动去 get up 找 skill， 如果找到了就自动帮你安装。 ai 缺什么技能，他就自己会安装了，妈妈再也不用担心了。第七个，本地的语音转文字，不需要 keep 离线使用，无论是会议记录、视频字幕，都能够把你的语音转成文字，不用联网。第八个，自我学习。无论是他以前学习过的东西，还是你让他改进的或者是自己的错误，他都会记录下来， 且下一次指定去避免， ai 就 会越用越聪明。第九个，复杂任务规划，你丢给他一个复杂的任务，他会自动拆几层步骤，自动帮你做规划。第十个，给你的 skill 装一个安全雷达，在下次安装 skill 的 时候，首先会检查它是否安全，防止恶意代码。这个表格放在评论区了，大家有需要自取。
132马同学的AI日记
02:42查看AI文稿AI文稿港大前几天不是开源了一个项目叫 still i anything 吗？截止到今天，这个新标已经飙升到了九点五 k。 这个项目呢，跟我一贯用这个 ai 的 理念，它非常契合，就是不要让 agent 例如这个 open k 龙虾 去操作图形界面，而是将图形界面转换成命令。行啊，去去用， 我用了这个两天呢，虽然它还有一些不足，但整体真的非常棒。可以看一下我这个刚转的这个小卡， 它的一个概念就是比如说这个是小卡的一个，它是一个开源软件，它的这个功能类似于剪映，但是我们如果手工去操作，你必须点点点点点，那通过它这个项目呢，你就可以把它转换成一个 一个命令。行。那现在你要用 openclaw 去控制它，比如说进行一些音频啊，视频的剪辑操作啊，那就变得非常的方便了。 这个项目呢，它原声是是支持 claw code 的， 你可以直接在那个插电市场去安装它，但它不支持 tree。 嗯，于是我就撸了一个脆的 m c p， 添加了这个项目 c o i 对 脆的支持，在脆中要去构建某一个 c o i 也就非常方便。你看像我这个使用案例，就是我让他我通过我自己构建的这个 m c p， 然后让他帮我 用它去构建一个这个。打错了，不是这个，而是让它构建了一个小卡的 c o i 啊，一会就一会而已，它的这个小卡的工具已经构建好了 啊，我也向这个原作者去提交了 pr， 那 这个原作者他也是第一时间对我进行了回复， 后续我将继续改进我的这个构，为 cui anything 添加生成中文 cui 的 方法，因为这个生成起来都是英文，所以不方便我们使用。 命令肯定是都要英文，但是这个讲解我可以给它搞成中文的啊。那现在这个对确支持的这个 ncp 我 已经放到我的个号里面了啊，有用到的小伙伴可以自己去取了，有很详尽的说明书。
154黑化的超级奶爸
01:58查看AI文稿AI文稿今天看一个 geekup 热门项目 openhuman， 它不是普通聊天机器人，而是开源的个人 ai 超级助手。 截至二零二六年五月十七日， geekup api 显示它超过一点二万 star， 最新版本是 v 零点五十三点四三。但注意官方也写着 erli beta， 所以 它更像一个正在快速进化的早期项目。 它的核心问题很直接， ai 怎么真正了解你，而不是每次都从零开始。 open human 的 答案是把工具、数据和日常活动同步到本地记忆系统。 第一，它宣称支持幺幺八加第三方集成，包括 gmail、 notion、 github、 slack、 calendar、 drive、 linear 和 gera， 接入后每个服务都会变成 agent 可以 调用的工具。 第二，它有二十分钟自动同步，邮件、日历、仓库文档和消息会被拉进 memory tree， 不 用你反复复制给模型。第三，它是本地优先知识库，数据会整理成 markdown 片段形成层级，摘钥数存进本机， excelite 也能落到 obsidian vault。 第四，它内置搜索网页，抓取文件系统 git lint test grip， 还支持语音、桌面、吉祥物和会议 agent。 第五，它有模型、路由和 token juice， 简单任务走快模型，复杂任务走推理模型内容先压缩再进大模型，官方称最多降低百分之八十成本和延迟。 所以 open human 的 价值不是工具多，而是把个人数据、长期记忆和工具调用，放进同一个 agent 框架。但它还在早期测试，连接大量账号，也有权限和隐私压力，使用前一定要看清授权范围。 总结一句， open human 代表的是 ai 助手的新方向，不只是回答问题，而是拥有你的上下文和长期记忆，点赞、转发、关注，一起学习！
54程序员下班啦
