开源AI助手项目汇总：OpenHuman、nexu、Moltis、Eclaire、ChatClaw、Frona

OpenHuman

官网，开源（GitHub，32.3K Star，3.1K Fork）桌面端Agent框架，基于Rust（rustfmt + clippy）、Tauri、pnpm、CMake、Ninja、ripgrep，把连接的所有文档、邮件和聊天记录都摘要压缩，生成一个让Agent能记住你一切的记忆图谱。不需要训练期，不需要「先用几周再说」。

原理：集成Gmail等服务，系统每20分钟自动把最新数据拉一次，过一条处理管道：先转成规范化Markdown格式，再切成不超过3k Token的块，打分，最后折叠进层级化的摘要树Memory Tree里，存在本地SQLite。Markdown文件是Obsidian兼容Vault，可打开查看。

支持：Gmail、Notion、GitHub、Slack、Stripe、Google Calendar、Google Drive、Linear、Jira等118+个外部服务提供商。

TokenJuice：压缩管道，HTML转Markdown，长URL缩短，重复行去重，啰嗦的工具输出摘要化。针对git、npm、cargo、docker、kubectl这些命令各有预设规则，规则文件是JSON格式，你也可以自己写覆盖规则，放到~/.config/tokenjuice/rules/下就生效，不需要重新编译。

内置自动路由逻辑，推理型任务送去前沿模型，快速问答走轻量模型，视觉任务走视觉模型。本地跑模型的话支持Ollama和LM Studio。

对比

对比项	OpenClaw	HermesAgent	OpenHuman
上手难度	中（需终端）	高（Python/Linux环境）	低（安装包，几分钟搞定）
记忆类型	插件缓存	递归自学习	MemoryTree+Obsidian Vault
接入服务方式	自己配	自己配	118+OAuth一键
自动拉数据	无	无	每20分钟一次
模型路由	手动	手动	内置自动路由
原生工具	仅代码	仅代码	代码+搜索+爬虫+语音

解读：OpenClaw优势在消息渠道覆盖广，Hermes Agent优势在复杂推理和自主编程；OpenHuman核心差异是主动维护上下文。

实战

安装

• GitHub Release下载安装包
• 命令行

基于命令行安装：

curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex

双击安装包，界面如下

配置步骤，来到关键环节

底部几个图标分别是：首页、对话、助手、大脑、连接、设置、账户。

nexu

官网，开源（GitHub，3.1K Star，249 Fork）桌面客户端，支持OpenClaw Agent直接跑在微信、飞书、Slack、Discord里。

内置完整飞书Skills（读写文档、操作多维表格、管理日历任务等）和OpenClaw原生Skills。技能市场（Skill Hub）提供一键安装，安装后热加载生效，无需重启Agent。也可以本地开发自定义Skills，满足特殊需求。

采用Controller优先的执行模型，架构清晰：
#mermaid-svg-Qq7l2aXCGZlaufc5{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Qq7l2aXCGZlaufc5 .error-icon{fill:#552222;}#mermaid-svg-Qq7l2aXCGZlaufc5 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Qq7l2aXCGZlaufc5 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .marker.cross{stroke:#333333;}#mermaid-svg-Qq7l2aXCGZlaufc5 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Qq7l2aXCGZlaufc5 p{margin:0;}#mermaid-svg-Qq7l2aXCGZlaufc5 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .cluster-label text{fill:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .cluster-label span{color:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .cluster-label span p{background-color:transparent;}#mermaid-svg-Qq7l2aXCGZlaufc5 .label text,#mermaid-svg-Qq7l2aXCGZlaufc5 span{fill:#333;color:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .node rect,#mermaid-svg-Qq7l2aXCGZlaufc5 .node circle,#mermaid-svg-Qq7l2aXCGZlaufc5 .node ellipse,#mermaid-svg-Qq7l2aXCGZlaufc5 .node polygon,#mermaid-svg-Qq7l2aXCGZlaufc5 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .rough-node .label text,#mermaid-svg-Qq7l2aXCGZlaufc5 .node .label text,#mermaid-svg-Qq7l2aXCGZlaufc5 .image-shape .label,#mermaid-svg-Qq7l2aXCGZlaufc5 .icon-shape .label{text-anchor:middle;}#mermaid-svg-Qq7l2aXCGZlaufc5 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .rough-node .label,#mermaid-svg-Qq7l2aXCGZlaufc5 .node .label,#mermaid-svg-Qq7l2aXCGZlaufc5 .image-shape .label,#mermaid-svg-Qq7l2aXCGZlaufc5 .icon-shape .label{text-align:center;}#mermaid-svg-Qq7l2aXCGZlaufc5 .node.clickable{cursor:pointer;}#mermaid-svg-Qq7l2aXCGZlaufc5 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .arrowheadPath{fill:#333333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Qq7l2aXCGZlaufc5 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Qq7l2aXCGZlaufc5 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Qq7l2aXCGZlaufc5 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Qq7l2aXCGZlaufc5 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .cluster text{fill:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 .cluster span{color:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Qq7l2aXCGZlaufc5 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Qq7l2aXCGZlaufc5 rect.text{fill:none;stroke-width:0;}#mermaid-svg-Qq7l2aXCGZlaufc5 .icon-shape,#mermaid-svg-Qq7l2aXCGZlaufc5 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Qq7l2aXCGZlaufc5 .icon-shape p,#mermaid-svg-Qq7l2aXCGZlaufc5 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Qq7l2aXCGZlaufc5 .icon-shape .label rect,#mermaid-svg-Qq7l2aXCGZlaufc5 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Qq7l2aXCGZlaufc5 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Qq7l2aXCGZlaufc5 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Qq7l2aXCGZlaufc5 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}#mermaid-svg-Qq7l2aXCGZlaufc5 .layer>*{fill:#fff9e6!important;stroke:#d4b106!important;stroke-width:1px!important;}#mermaid-svg-Qq7l2aXCGZlaufc5 .layer span{fill:#fff9e6!important;stroke:#d4b106!important;stroke-width:1px!important;} 运行时层
控制器层
用户界面层
编译config.json
模型配置
技能安装
微信、飞书、Slack、Discord
Web UI
Desktop App (Electron)
Config 编译器
模型管理
SkillHub 服务
OpenClaw Gateway
Channel Monitors
Agent Runtime
IM 渠道

核心流程：

• Web UI、Desktop App接收用户操作
• Controller将高层配置编译为OpenClaw兼容config.json
• OpenClaw Runtime加载配置，启动Gateway进程
• Channel Monitors监听IM消息，Agent Runtime处理对话

用户在UI上修改模型或技能，Controller重新编译配置并触发热重载，无需重启。

技术栈

• TypeScript monorepo（pnpm workspaces）
• Electron桌面客户端
• Vite+React Web前端
• OpenClaw Runtime（Node.js）

实战

基于源码部署

git clone https://github.com/nexu-io/nexu.git
cd nexu
pnpm install
pnpm run dev:desktop

Moltis

官网，Rust编写的开源（GitHub，2.7K Star，321 Fork）项目，定位：高性能、轻量化的个人AI网关与助手。核心哲学：通过单一二进制文件提供全功能AI交互体验。可用于：本地LLM的前端、连接不同AI供应商的网关。

代表新一代开源AI工具的发展方向：去中心化、高性能、安全受控。利用Rust的语言优势规避传统AI应用的内存负担，通过沙箱机制解决AI自动化执行的安全顾虑，通过MCP协议确保生态的无限扩展性。

核心能力：

• 极简部署与极致性能：基于Rust和Axum框架，编译后不依赖任何外部重型运行时。可部署在只有512MB内存的VPS上，响应速度极快
• 内置安全沙箱(Sandboxed Code Execution)：支持在Docker容器或macOS原生沙箱中执行AI生成的代码
• 原生支持MCP：可作为MCP客户端，无缝接入互联网搜索、本地数据库查询、GitHub操作等各种外部工具服务器
• 多渠道与长期记忆：除现代化Web界面，支持Telegram Bot接入。配合基于SQLite和向量嵌入的长期记忆系统，能记住用户偏好，提供更具个性化的建议。

特性	Moltis	Dify/AnythingLLM	ChatGPT Next Web
开发语言	Rust(极致性能)	Python/JS(较重)	TypeScript
部署形式	单一二进制文件	多容器/复杂环境	简单Web部署
代码运行	原生沙箱支持(Docker)	部分支持	不支持本地运行
协议支持	深度集成MCP	插件系统	基础API
内存占用	极低(<100MB)	中到高	中

实战

部署方式：

• Docker
• 源码

基于Docker部署：

docker run -d \
	--name moltis \
	-p 13131:13131 13132:13132 \
	-v moltis-config:/home/moltis/.config/moltis \
	-v moltis-data:/home/moltis/.moltis \
	-v /var/run/docker.sock:/var/run/docker.sock \
	ghcr.io/moltis-org/moltis:latest

基于源码部署：

git clone https://github.com/moltis-org/moltis.git
cd moltis
cargo build --release
./target/release/moltis

浏览器打开http://localhost:3000开始体验。

Eclaire

官网，一款开源（GitHub，416 Star，42 Fork）本地优先的AI助手，提供聊天、自动化任务、笔记、文档、照片、书签等功能。

功能特性：

• 跨平台：支持MacOS、Linux和Windows，可安装PWA；通过快捷方式安装iOS和AppleWatch；通过Tasker/MacroDroid安装Android；
• 默认私有：默认情况下，所有AI模型都在本地运行，所有数据都在本地存储；
• 统一数据：跨任务、笔记、文档、照片、书签等进行管理；
• AI对话：根据内容进行聊天；查看来源以获取答案；支持流媒体和思考令牌；
• AI工具调用：助手拥有搜索数据、打开内容、解决任务、添加评论、创建笔记等工；
• 分层架构：前端、后端和工作器是独立的服务。仅针对API/数据处理用例运行后端；
• 完整API：带有会话令牌或API密钥的OpenAI兼容REST端点；
• 模型后端：通过标准OpenAI兼容API与llama.cpp、vLLM、mlx-lm/mlx-vlm、LMStudio、Ollama等兼容；
• 模型支持：Qwen、Gemma、DeepSeek、Mistral、Kimi等文本和视觉模型；
• 存储：所有资产（上传或生成）都位于Postgres或文件/对象存储中；
• 集成：Telegram等；
• 文档：PDF、DOC/DOCX、PPT/PPTX、XLS/XLSX、ODT/ODP/ODS、MD、TXT、RTF、Pages、Numbers、Keynote、HTML、CSV等；
• 图像：JPG/JPEG、PNG、SVG、WebP、HEIC/HEIF、AVIF、GIF、BMP、TIFF等；
• 任务：跟踪用户任务或分配任务给AI助手完成；助手为任务添加评论或写入单独的文档；
• 注释：纯文本或Markdown格式，链接到其他资产；
• 书签：获取书签并创建PDF、Readable和LLM友好版本。针对Github和Reddit的API和元数据进行了特殊处理；
• 组织：所有资产类型的标签、图钉、标志、到期日等；
• 硬件加速：利用AppleMLX、NVIDIACUDA和其他特定于平台的优化。

ChatClaw

开源（GitHub，291 Star，54 Fork）本地个人AI助手平台，主打多模型协同、文档知识库管理、跨平台快捷交互，不用频繁切换软件，就能一站式完成资料管理、AI问答、聊天智能回复，大幅降低AI使用成本，提升工作效率。

功能：

• 一站式知识库管理：PDF、Word、Excel、TXT、Markdown、CSV、HTML、OFD等8种格式
• 聊天高效应答：划词搜索与吸附一体化，支持微信、企微、钉钉、QQ、飞书、抖音等主流聊天平台；在聊天页面中，只需选中需要回复的内容，划词后会自动弹出【AI回复】操作项，点击该选项，系统会将划词内容快速发送至吸附窗口的AI助手
• 多AI平台同时回复：支持同时调用多个AI模型，获得不同角度的解答。

Frona

开源（GitHub，194 Star，20 Fork）的个人AI助手，创建自主代理，这些代理在沙盒环境中浏览网页、运行代码、构建应用程序、打电话、委派工作、记忆对话上下文，所有这些都在沙盒环境中，对文件、网络和凭证有受控访问权。官方文档。

特点

• 自主AI智能体：智能体能够自主决定使用哪些工具，并执行多步骤任务
• 浏览器自动化：通过无头Chrome浏览网站、填写表单和提取数据
• 网络搜索：内置SearXNG、Tavily、Brave Search支持
• 代码执行：沙盒化shell命令，带有文件系统、网络和资源限制
• 应用部署：智能体可以构建和部署Web应用程序
• 技能系统：安装共享技能或创建智能体特定的指令包
• 定时任务：通过cron表达式设置周期性任务
• 语音通话：通过Twilio拨打和接听电话
• 持久记忆：智能体跨对话记住事实
• 智能体间委托：智能体可以将任务委托给其他专业智能体
• 实时流式传输：通过SSE进行令牌级响应流式传输
• SSO支持：OpenID Connect支持Google、Keycloak等
• 单容器后端：整个后端（API服务器、嵌入式数据库、调度器、工具执行）在一个无根OCI容器中运行
• 安全优先：在沙盒环境中运行，隔离文件系统访问、控制网络访问、执行超时限制
• 凭据保险库：智能体需要凭据时实时审批，支持1Password、Bitwarden、HashiCorp Vault、KeePass等

部署

searxng-settings.yml

use_default_settings: true
search:
  formats:
    - html
    - json

docker-compose.yml

services:
  frona:
    image: ghcr.io/fronalabs/frona:latest
    container_name: frona-web
    restart: unless-stopped
    ports:
      - "3771:3001"
    volumes:
      - ./data:/app/data
    environment:
      - FRONA_BROWSER_WS_URL=ws://browserless:3333
      - FRONA_SEARCH_SEARXNG_BASE_URL=http://searxng:8080
    security_opt:
      - seccomp:unconfined
    depends_on:
      - browserless
      - searxng
browserless:
    image: ghcr.io/browserless/chromium:latest
    container_name: frona-browserless
    restart: unless-stopped
    volumes:
      - ./data/browser_profiles:/profiles
    environment:
      - MAX_CONCURRENT_SESSIONS=10
      - PREBOOT_CHROME=true
searxng:
    image: searxng/searxng:latest
    container_name: frona-searxng
    restart: unless-stopped
    volumes:
      - ./searxng-settings.yml:/etc/searxng/settings.yml:ro
    environment:
      - SEARXNG_BASE_URL=http://searxng:8080
      - SEARXNG_SECRET=change-me-to-something-random

浏览器打开http://localhost:3771开始体验，设置模型

• Primary：主要模型
• Reasoning：推理模型
• Coding：编码模型