OpenHuman 对比 OpenClaw、Hermes Agent

前阵子写了手把手带你 Windows 安装 Hermes Agent，并接入飞书，一直没有用起来，究其原因：有没有不用天天喂上下文、不用折腾 WSL 的 Agent？

最近有个项目冒头很快：OpenHuman ，现在大概 2.3 万 Star （截至 2026 年 5 月），还在 Early Beta。

一、它是什么？

OpenHuman 是 tinyhumansai 团队做的开源桌面 Agent，私密、简单、功能强大。

和 OpenClaw、Hermes 一样，都能写代码、调工具、接消息渠道。但它是：

桌面 UI 为主，装完简单配置就能使用；
118+ 服务一键 OAuth（Gmail、GitHub）；
每 20 分钟自动把新数据拉进本地记忆（不用你自己写轮询）；
记忆落在本机 SQLite + Obsidian 能打开的 .md 文件里------这点和 Karpathy 那套「LLM 维护 Markdown 知识库」是同一套思路。

连上 Gmail、GitHub，auto-fetch 按文档大约每 20 分钟往本机记忆里灌一轮；具体怎么切块、怎么叠成树、Obsidian 里长什么样，我放在下面细说。

Hermes 看你平时怎么用、慢慢学；OpenClaw 常得靠插件/MCP 把上下文送进去；OpenHuman 则是 OAuth 连账号，本地压 Markdown，还能同步进 Obsidian vault。

桌面里有个 桌面吉祥物（mascot） ，能语音、能看屏，文档写还能进 Google Meet 当参会者。对不想折腾终端 CLI 的人，这是现成的桌面入口。

目前仓库状态：

功能	说明
Memory Tree	邮件、聊天、文档等进本地流水线，切成 ≤3k token 的 Markdown 块，再叠成摘要树
Obsidian Wiki	同一批内容同步成 vault 里的 `.md`，你能打开看、能手改（类似自建 LLM Wiki，见下文）
Auto-fetch	已连接的服务每 20 分钟自动同步一次
TokenJuice	工具输出、网页、邮件进模型前先压缩，官方自称能省不少 token
模型路由	推理 / 快模型 / 视觉自动分流，走官方订阅；也支持 Ollama 本地
原生工具	搜索、爬虫、Coder 全套（git、lint、test...）、语音、还能进 Google Meet
桌面吉祥物	会说话、有口型，停手打字后后台还能继续想事儿

Gmail、GitHub、Slack、日历这些，在设置里 OAuth 连上就行，不用像 OpenClaw 那样自己写插件搬数据。

数据默认在 ~/.openhuman（Windows 同理在用户目录），库文件是 memory_tree/chunks.db，wiki 在 wiki/。没主动发进对话的内容，按文档说法是不往外传的。

要是你已经在 Cursor / Claude Code 里用了 agentmemory ，OpenHuman 可以在 config.toml 里设 memory.backend = "agentmemory"，跟现有记忆共用，不用另起一套。这块我之前的文章里写过：如何为AI编程工具构建持久化记忆：用 agentmemory 形成知识复利。

官方宣传的「几分钟建立上下文」，流程是连账号 → auto-fetch → Memory Tree 压进 Obsidian。

向量库擅长回答「跟这句话像的是什么」。但日常问 Agent 的往往是：

OpenHuman 用 三层树 来存：按来源（Source）、按实体/项目（Topic）、按天（Global）。chunk 有确定性 ID，热路径不调 LLM，重的摘要放后台 worker，免得卡界面。

桌面底部有个 Intelligence 页，能看占了多少盘、多少来源、多少 chunk、实体关系图，还能一键用 obsidian:// 打开 vault。对我这种不喜欢「记忆查不到出处」的人来说，这点比纯 RAG 顺眼。

页面上常见指标	含义
Storage	`chunks.db` + Obsidian vault 总大小
Sources	已 ingest 的来源数（每个 Gmail 标签、Slack 频道各算一个）
Chunks	库里 ≤3k token 的块数量
Topics	按「热度」建起来的实体主题树数量
Memory graph	实体关系力导向图，auto-fetch 跑几天后会更密
Ingest 热力图	类似 GitHub 贡献图，能看出哪天同步断了

和 Karpathy / Obsidian 那套的关系：

OpenHuman 官方明确说灵感来自 Karpathy 的 obsidian-wiki 工作流。

我之前写过一篇《OpenAI 大神 Karpathy 开源：用 Obsidian 实现 LLM Wiki 知识库管理方法》。OpenHuman 把 wiki 维护自动化了：定时拉 Gmail/GitHub，切块叠树，Intelligence 里还能一键 obsidian:// 打开 vault。

如果你已经按那篇文章搭过 Obsidian 知识库，上手 OpenHuman 的 wiki 目录会顺眼很多；区别是，这边主要是 Agent 往 vault 里写，你负责看和改，而不是全靠对话里手动让模型整理。

❝

建议 16GB+ 内存。

打开 tinyhumans.ai/openhuman，下 DMG / EXE，不想敲命令就走这条。

macOS / Linux：

ruby 复制代码

curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

Windows（PowerShell）：

ruby 复制代码

irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex

首次打开会问你打算自动化哪些事、怎么管理工作流，界面比较「产品化」。

项目地址 ：github.com/tinyhumansa...

中文 README ：github.com/tinyhumansa...