90% 的人用 AI Agent 都堅持不下去，它找到了真正的原因
整理版優先睇
OpenHuman 將 AI 長期記憶產品化，解決三大痛點：記憶、數據主權、上手門檻
呢篇文章介紹一款新嘅 AI Agent 產品 OpenHuman，佢哋發現咗 90% 嘅人用 AI Agent 最後都會放棄嘅真正原因：記憶短暫、數據主權唔喺自己手、同埋上手門檻太高。
作者講到，就算係 OpenClaw 呢類大熱 Agent，每次對話完就失憶，下次又要重新解釋；而啲「有記憶」嘅產品都只係記低關鍵詞，唔算真正瞭解你。另外，啲資料全部放喺人哋嘅服務器，你控制唔到；仲有，一開波就要打 command、填 API key，普通人好難堅持。
OpenHuman 嘅解決方案係跟咗 AI 大牛 Andrej Karpathy 嘅做法，將佢嘅 LLM Wiki 工作流變成一個 desktop app，用「Memory Tree」系統將所有記憶存喺本地 SQLite 同 Markdown 文件，仲可以用 Obsidian 編輯。佢哋仲有 TokenJuice 壓縮技術控制成本，同埋一個靚靚嘅 GUI，等你幾分鐘就可以開始用。總括嚟講，OpenHuman 係一個以「長期記憶」做核心嘅 AI Agent，真係幫你記住你所有嘢。
- 結論：OpenHuman 將 Andrej Karpathy 嘅個人知識庫工作流產品化，解決咗 AI Agent「用完即忘」嘅核心問題。
- 方法：Memory Tree 架構——將所有對話、郵件、日曆等資訊轉化為本地 SQLite 同 Markdown 檔案，支援雙向連結同三種摘要樹（時間、來源、主題）。
- 差異：比起 OpenClaw（只係手腳）同 Hermes（有學習機制但記憶唔係核心），OpenHuman 嘅記憶系統係產品重心，仲可以直接匯出俾 Obsidian 編輯。
- 啟發：AI Agent 要普及，唔可以只靠技術，仲要解決「上手門檻」同「數據主權」呢啲人性化問題。
- 可行動點：想擁有一個永遠記得你嘅 AI Agent，可以去 OpenHuman 官網下載，支援 Mac/Linux/Windows，裝完用 Google/GitHub/Twitter 登錄就得。
OpenHuman 官網下載
官方下載頁面，會自動偵測操作系統提供對應安裝包。
OpenHuman GitHub 倉庫
項目開源倉庫，可查閲原始碼同 releases。
OpenHuman v0.53.43 Releases
最新版本獨立安裝包下載。
AI Agent 嘅「三堵牆」：記憶、數據主權、上手門檻
文章開頭就點出咗一個殘酷現實：90% 嘅人試過 AI Agent 之後就放棄咗。原因唔係 AI 唔夠聰明，而係有「三堵牆」擋住。
- 1 第一堵牆係記憶：現有 Agent 本質上係無狀態，對話一結束就蒸發，就算標榜有記憶嘅產品都只係記低幾條關鍵詞，遠稱唔上真正嘅瞭解。
- 2 第二堵牆係數據主權：你嘅文章、郵件、日曆全部存喺人哋嘅服務器，睇唔到、改唔到，服務一停乜都冇。
- 3 第三堵牆係上手門檻：人係懶嘅，但好多 Agent 第一步就係開 terminal、打 command、填 API key，對普通用戶嚟講已經係篩選關。
大牛 Karpathy 嘅做法，OpenHuman 幫你簡化
AI 領域大牛 Andrej Karpathy 自己整咗一套個人工作流：將文章、論文、代碼等 raw data 放入一個文件夾，用 LLM 自動編譯成一個不斷增長嘅 Markdown Wiki，有雙向連結、摘要、分類。佢可以對住個 Wiki 問任何複雜問題，AI 會去檢索同推理，仲可以將新結果反饋返去。
呢個 Memory Tree 可以擴展到十億級 token，每段對話、每條郵件都會被打成細塊、標籤、建立雙向連結，再彙總成三種摘要樹：按時間線、按來源平台、按人物同話題。
- 按時間線整理嘅全局摘要
- 按來源平台整理嘅源摘要
- 按人物同話題整理嘅主題摘要
本地優先、私隱保障、低門檻上手
為咗解決數據主權問題，Memory Tree 嘅 SQLite 同 Markdown 檔案 100% 留喺本地，OpenHuman 後端永遠接觸唔到你嘅原始數據。走後端嘅只有 LLM 調用、網絡搜索代理呢啲，明文數據唔上雲。
上手門檻方面，OpenHuman 行 GUI 優先策略。安裝好之後，一開就係登錄界面，支援 Google、GitHub、Twitter 登錄。系統要求唔高：4GB RAM 就得，本地模型就建議 16GB+。
curl -fsSL
https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bashirm
https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iexOpenHuman 嘅核心功能一覽
OpenHuman 嘅主界面底部中央有幾個標籤：Human、Chat、Connecting、Memory、Alerts、Rewards、Setting。
Human 嗰版最得意，有個吉祥物可以用語音同你傾偈，仲有情緒變化
呢個吉祥物唔係得個樣，佢可以加入 Google Meet 會議，實時轉錄、記筆記、回答問題，查 Memory Tree、郵件、Slack 等等。
- Chat：快速發消息，界面似 Telegram，可以管理會話。
- Connecting：連接第三方渠道同管理 Skills，GUI 操作比 OpenClaw 簡單。
- Memory：分記憶、潛意識、通話同夢境（未出）。潛意識每五分鐘做一次心跳，檢查新資料、更新記憶。
- Alerts：整合其他賬户嘅通知同系統事件。
- Rewards：推薦獎勵、Discord 綁定、兑換優惠碼。
- Setting：賬户、吉祥物外觀、AI 模型提供商設定等。
特別一提，你仲可以用 OpenHuman 綁定 Google Meet 會議，讓吉祥物做會議智能體，就算你缺席都幫你全程記憶。
同 OpenClaw、Hermes Agent 嘅比較：邊個啱你用？
文章最後清楚劃分咗三者嘅定位：
- 1 OpenClaw 好似俾 AI 配咗對手，幫你做完件事，但佢唔記得你做過乜。
- 2 Hermes Agent 俾 AI 一套學習機制，越用越順手，但記憶係輔助功能。
- 3 OpenHuman 俾 AI 一個真正嘅長期記憶，仲可以隨時編輯，建立關係圖譜。
所以，如果你想要一個真係記得你、記得你交代嘅事嘅 AI Agent，OpenHuman 值得一試。
昨日喺 ProductHunt 見到一款產品，叫 OpenHuman，已經衝上咗 GitHub 熱門排行榜第一。
又係一款全新嘅 AI Agent。初初睇同我哋熟嘅 OpenClaw 同 Hermes 好似。
但喺 PH 嘅介紹頁入面有咁一句話：90% 嘅人試完 AI Agent 之後都放棄咗。
其實呢句話係講中咗而家好多普通人玩流行 AI Agent 嘅痛點。
之前，我嘅交流羣入面就有好多人話："OpenClaw 都未搞掂，又出咗個 Hermes Agent。"；"龍蝦我差唔多放棄咗啦！"
過去一年，有幾多個人喺網上睇完教學，興致勃勃咁整好咗自己嘅 AI 助手，然後用咗兩個星期之後，新鮮感一過就冇再開過。
唔係因為呢啲 AI Agent 唔好用，而係因為：
一、仲係有門檻嘅，有些人用嚇用嚇就放棄咗，唔想再搞。特別係好似 OpenClaw 呢種，成日每次升級之後就帶嚟一大堆問題，令人崩潰。
二、可以堅持落嚟嘅少數人，會發現自己每次打開都仲要重新解釋一次自己係邊個，重新交代一次背景上文下理，就好似同一個永遠失憶嘅"人"再交流，心好攰。
OpenHuman 話畀你知，佢哋揾到咗呢件事嘅真正原因。唔係 AI 唔夠聰明，而係因為有"三堵牆"擺喺嗰度。
第一堵牆係記憶
現有嘅 AI Agent，唔理睇落有幾強大，本質上都係無狀態嘅。你同佢講嘅嘢，對話一結束就消失咗，下次見面佢又係一張白紙。
就算係嗰啲號稱有「記憶」功能嘅產品，存嘅都唔過係幾條關鍵詞，遠遠稱唔上真正嘅瞭解。
第二堵牆係數據主權
你用嚟令 AI 瞭解你嘅嗰啲資訊，例如文章、電郵、日曆、聊天記錄等各種資料啦，全部都放喺人哋嘅伺服器上面，你睇唔到，改唔到，第日服務一停，咩都冇曬。
特別係針對嗰啲用雲端龍蝦嘅朋友們。
第三堵牆係上手門檻
我認為呢個先係最重要嘅痛點。人都係懶嘅，鍾意簡單嘅，可以開箱即用嘅。
而家好多 AI Agent 工具嘅第一步都係打開終端機、打個命令、填個 API key、編輯個配置檔案。
呢個明擺住都係門檻。
對普通用戶嚟講，話佢係一道真實嘅篩選牆，一啲都冇錯，只要入唔到就會放棄。
而 OpenHuman 嘅切入點，就係將呢三個問題都當成首要問題嚟解決。
先講記憶呢部分
有個背景故事先提一提。AI 領域嘅大牛 Andrej Karpathy，相信好多人都有所瞭解。
佢係前特斯拉 AI 總監、OpenAI 嘅早期創始成員之一。一路都用緊一套自己搭建嘅個人工作流嚟解決呢個問題。
佢嘅做法係將文章、論文、代碼、圖片呢啲原始資料收埋入一個 raw 嘅文件夾，然後用 LLM 自動將佢哋編譯成一個不斷增長嘅 Markdown 格式個人 Wiki，Wiki 入面有雙向連結、有摘要、有分類、有索引。
等呢個 Wiki 積累到一定體量之後，佢就可以對住成個知識庫問任何複雜嘅問題，AI 會先去 Wiki 入面檢索、推理、輸出答案，甚至將新嘅探索結果再反饋返去 Wiki 度，令你個人嘅成個知識庫越來越完整。
佢形容呢套嘢嘅核心邏輯係：原始數據入嚟，LLM 將佢編譯成 Wiki，然後透過各種工具喺 Wiki 上持續做問答同增強。
呢套 SOP 嘅終點，佢認為係將模型本身微調成「真正知道同掌握咗呢啲知識」，而唔只係喺上文下理入面提供檢索功能。
想法好好、亦都好專業，但想搭建 Karpathy 嘅咁一套工作流係需要一定嘅技術能力先至搭建得起到嘅。
同時，仲需要養成持續積累資料嘅習慣。而且你仲要識用 Obsidian，識得偶爾寫個腳本，識得配合 CLI 工具，識得將各個部分串聯起嚟。
OpenHuman 就係按照呢個解決問題嘅思路，將佢產品化咗。
佢將 Karpathy 嘅工作流封裝入咗一個可以一鍵安裝嘅桌面應用，幾分鐘內就可以令 AI 開始真正瞭解你呢個人。
另外，OpenHuman 將佢嘅記憶系統做成咗一個叫做「Memory Tree」嘅嘢，亦即係記憶樹。
所有記憶都存在你嘅本地電腦上面，格式係 SQLite 數據庫加一個 Markdown 文件夾。而且呢個文件夾入面嘅文件可以直接用 Obsidian 打開閲讀同編輯，結構同 Karpathy 用開嘅嗰套幾乎一模一樣。
OpenHuman 話 Memory Tree 可以擴展到十億級 token 嘅記憶容量。
你同佢傾過嘅每件事，佢由你嘅電郵同日曆入面抓到嘅每條資訊，都會被切分成細細塊，存入呢個本地數據庫入面，打上來源標籤，建立雙向連結，再被彙總成三種摘要樹：
◆ 按時間線整理嘅全局摘要
◆ 按來源平台整理嘅源摘要
◆ 按人物同話題整理嘅主題摘要
下次例如你問佢"上個禮拜同張總傾嘅嗰件事最後有結論未？"，佢會自己先去 Memory Tree 入面進行檢索，唔係憑空捏造。
而為瞭解決「記憶越多，調用越貴」呢個矛盾問題，OpenHuman 仲內置咗一個叫「TokenJuice」嘅壓縮系統。
佢每次將大量資訊塞入 AI 上文下理之前，會先做語義壓縮，保留關鍵內容，去掉冗餘，令 token 消耗保持在可控範圍之內。
關於數據安全同私隱方面
OpenHuman 嘅設計原則係：Memory Tree 嘅 SQLite 數據庫同 Markdown 文件夾 100% 留喺本地，OpenHuman 嘅後端伺服器永遠接觸唔到你嘅原始數據。
行後端嘅部分只有 LLM 調用、網絡搜索代理、第三方服務嘅 OAuth 授權代理同語音合成流媒體。
明文數據唔上雲，呢一點係架構設計就決定咗嘅，唔係可以隨便更改嘅策略。
關於上手門檻
OpenHuman 畀出嘅最優答案就係一個 GUI 優先嘅策略。
但係安裝之前，先睇嚇系統要求。
平台：MacOS、Linux、Windows，跨平台都支援
內存：4GB+ 推薦；如果使用本地模型或處理比較大嘅代碼庫，建議 16GB+
下載都好方便。無論你係 Mac/Linux 系統嘅用戶，定係 Windows 系統嘅用戶，入 OpenHuman 嘅官網，撳頁面入面嘅「Download」掣，佢會幫你判斷你嘅操作系統並提供可以直接下載嘅操作。
官網下載地址：
https://tinyhumans.ai/openhuman?utm_source=github&utm_medium=readme
或者你亦都可以直接去項目倉庫嘅 releases 頁面入面揀自己需要下載嘅獨立安裝包。
下載地址：
https://github.com/tinyhumansai/openhuman/releases/tag/v0.53.43
截至發稿前，最新版本係 v0.53.43
當然，OpenHuman 亦都有畀鍾意喺終端機入面操作嘅朋友提供咗便捷嘅一鍵安裝指令。
MacOS 或 Linux x64
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bashWindows
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex安裝完成之後啟動，你見到嘅第一個圖形界面就係下面呢個：
講白啲係叫你登錄。然後先叫你揀一下核心運行嘅模式，你係準備本地運行？定係採取基於雲端方式嘅運行？
如果揀雲端方式，我睇咗一下，需要兩個輸入參數，一個係 Core RPC URL，另一個係 Auth token。因為我都唔係好理解，我感覺應該係基於伺服器端嘅配置資訊。亦即係當你將 OpenHuman 安裝咗去雲端伺服器上面，然後需要填寫嘅資訊。
總之，我哋普通用戶就揀官方推薦嘅「Local」本地運行就得。直接撳「Continue」入去下一步。
然後佢會要求你登錄，支援 Google、GitHub，同埋 Twitter 三種方式。唔使理嗰個 Configure RPC URL 選項（呢個就係頭先上面講嘅基於雲端嘅方式）。
所以，你可以成功登錄嘅前提就係，你嘅電腦要支援科學上網，否則就唔使繼續啦！
成功登錄之後，會自動嚟到下面呢個頁面，撳「Let's Star」直接開始。
會叫你先連接 Gmail，如果你唔需要，你亦可以直接揀「Skip for Now」跳過。
設定完呢個 Gmail 之後，就正式入咗 Agent 嘅功能引導頁面，我呢度就唔截圖啦，一共 10 項，你可以逐個睇，或者直接撳「Skip」跳過。
首次使用，就好似上圖入面我講嘅，會畀新人一個推廣積分，不過有啲少 $0.94。如果體驗落嚟覺得都唔錯，支援訂閲，訂閲畀 10 倍積分。 頭 1,000 名用戶仲可以享受 6 折優惠，佢畀咗每個人一個優惠碼。
OpenHuman 嘅主要核心功能都集中喺底部中央區域，亦即係下面呢個放大咗嘅圖。
下面分別簡單介紹同展示一下：
Human 人類
呢個都係 OpenHuman 嘅差異化之一。可以同好可愛嘅吉祥物用語音進行實時交流，吉祥物仲會根據你哋聊天嘅話題或結果，自帶情緒變化。你用語音同佢交流，佢都用語音同你回覆，好有趣！
不過你千祈唔好將佢淨係當做一個會傾偈嘅電子寵物嚟睇。佢其實同下面要講到嘅 Memory 入面嘅會議智能體有緊密嘅聯繫。佢可以真係作為一個有名、有面、有鏡頭位置嘅參會者加入到你綁定嘅 Google Meet 會議入面。
佢喺會議入面可以做嘅嘢就包括實時轉錄所有人嘅發言，將筆記寫入 Memory Tree，按人名同話題分類；喺有人問佢問題嘅時候直接回答，可以喺會議入面即時查 Memory Tree、歷史會議記錄、Slack 線程、電郵、GitHub issue；佢講嘢用嘅係內置嘅 TTS 合成語音，畫面係動畫口型同步，唔係會議錄製機械人嗰種淨係可以記錄嘅角色，而係真正可以喺會議入面參與討論、攞資料嘅智能體。
普通會議記錄工具淨係可以話畀你知講咗啲乜，而 OpenHuman 嘅吉祥物係可以喺會議進行中就直接回答其他參會者嘅問題，例如"上個月我哋喺邊次會議上面決定咗要將產品上線時間推遲到 Q3 嘅"。
Chat 聊天
撳 Home 主頁上面嘅「Message OpenHuman」可以快速發起訊息。界面就係咁樣，驟眼睇有啲似 Telegram 嘅感覺。喺 Human 嗰頁嘅問候訊息，呢度都可以見到。左邊係個訊息列表，可以快速刪除某條聊天對話訊息，上面都有分類，撳「+」可以新建對話。
Connecting 連接
你可以連接各式各樣內置嘅應用。亦都可以為 Agent 連接第三方訊息渠道，就好似你為 OpenClaw 或者 Hermes Agent 連接嘅方式一樣，不過 OpenHuman 嘅 GUI 界面，更加符合普通人嚟用。但係而家仲未支援飛書同微信。此外，佢仲可以自動識別你用戶目錄下面所有已經安裝嘅 Skills，撳一下直接查看或者直接卸載，成為咗你管理 Skills 嘅好幫手。就好似你用 CC Switch 管理你用戶目錄下面嘅全局 Skills 咁方便。
Memory 記憶
我認為呢個係 OpenHuman 同 OpenClaw 或 Hermes 之間最大嘅差異化，亦係最有特色嘅功能。
佢分咗做記憶、潛意識、通話同埋夢境，目前夢境仲未正式推出。當你停止使用應用嘅時候，佢會進入一個叫做「做夢」嘅狀態，將當日積累嘅碎片資訊做離線整合形成索引，蒸餾成長期記憶，下次你打開佢嘅時候，佢已經將白天發生嘅事全部消化曬。不過呢個功能 OpenClaw 同 Hermes 都有。
喺記憶呢個選項卡入面，我之前已經連接咗 Gmail，呢個已經算係佢對我嘅一個記憶源啦，隨住你使用 OpenHuman 嘅時間越長，佢就會越來越瞭解你。同時，你亦可以直接喺 Obsidian 入面直接查看同編輯記憶，甚至係構建自己嘅記憶樹。
此外，呢個 Subconscious 係潛意識循環，亦即係會自我反思。佢係一個後台運行嘅任務系統，每隔五分鐘觸發一次心跳，喺你唔同佢講嘢嘅時候，佢仍然喺後台工作。例如檢查已經連接嘅服務有冇新資訊、審視新入嚟嘅記憶更新、執行你預設嘅定時任務等等。根據官方數據所講，佢嘅潛意識系統每天觸發嘅記憶回溯超過一萬次，而成本先至唔到一蚊美金。
仲有一個係 OpenClaw 或者 Hermes 入面冇嘅功能，OpenHuman 俾佢加入咗落嚟。佢係一個會議智能體，允許你綁定一個 Google Meet 會議（頭先喺寵物環節都講過）。你可以直接輸入會議連結令你嘅寵物加入會議，然後佢就可以實時記錄你會議入面嘅所有內容，仲可以喺會議過程中直接回覆參會人嘅問題（有 Memory Tree 嘅加持，可以隨意檢索）。就算你唔能夠參加都冇關係，佢會幫你全程記憶，你返嚟咗亦都可以叫佢幫你總結同再次回顧。
其實我哋嘅飛書會議、騰訊會議入面一早已經有呢個功能，外國人始終都係慢啲。
Alerts 警報
呢個模塊其實冇乜嘢，主要就係你透過 Chat 模塊入面嘅「+」操作，添加同關聯嘅其他賬户收到嘅訊息或者通知，或者嚟自 OpenHuman 本身系統嘅事件都會放喺呢個整合功能模塊下面嚟進行統一嘅查看同操作。
Rewards 獎勵
呢個標籤頁入面嘅功能主要係同獎勵有關嘅，例如推薦其他人訂閲 OpenHuman 之後可以攞到一定嘅獎勵，如果睇完我呢個介紹同埋使用之後覺得體驗唔錯，訂閲嘅時候可以用我嘅推薦碼：4YVUKALK，你同我都會得到獎勵。
另外，OpenHuman 睇嚟係同 Discord 做咗深度綁定，除咗解鎖訊息通道之外，仲可以獲得支持者徽章同解鎖其他相關獎勵。如果你玩 Discord 嘅話，唔好錯過！
仲有一個就係兑換頁面，呢頁就冇乜好講嘅，你有優惠碼就嚟呢頁操作兑換就得。作為新人加入系統直接派發嘅 $0.94 信用額度都會喺呢頁見到。
Setting 設定
呢個係最後一個標籤功能啦。所有 OpenHuman 相關嘅設定選項都集中喺呢個頁面入面，包括咩賬户設定、吉祥物設定、AI 提供商、訂閲管理、獎勵、高級開發模式同退出登錄等。
例如我將吉祥物嘅顏色調整為綠色，返去 Human 頁面就可以見到我嘅吉祥物已經變咗做墨綠色。
如果你想使用自己已經訂閲嘅套餐，就可以喺設定頁面入面，揾到「AI & Models」選項，喺入面進行設定，就好似你喺 CC Switch 入面設定嘅差唔多，都係 BaseURL、API Key、幾種類型嘅模型名稱。
上面就係關於 OpenHuman 嘅一切，大致上已經好齊全，足夠令你有一個初步瞭解。
咁同 OpenClaw、Hermes Agent 之間到底有咩明顯分別，我哋再嚟簡單講講。
龍蝦 OpenClaw 我就唔使再詳細介紹啦，只要你經歷過龍蝦洗禮嗰一波風潮，應該對佢會有啲認識啦。
呢個被譽為歷史上竄升最快嘅開源項目，佢嘅定位係一個「通用 AI Agent」，你將佢安裝喺自己電腦或者伺服器上面都得，可以將飛書、微信作為訊息渠道同佢隨時通話。佢仲可以幫你編程、行腳本、操控瀏覽器、管理文件等等都得。勁嘅係佢嘅生態發展速度，技能庫入面有超過一萬三千多個社區開發嘅技能。但係唯獨對「記憶」呢件事冇特別深入嘅設計。你今日叫佢做嘅嘢，可能第二日已經忘記得一乾二淨，更加唔好提仲要將之前嘅幾件事串聯起嚟。
而 Hermes Agent 係今年二月由 Nous Research 實驗室推出嘅另一款開源 AI Agent，上升速度都好快，GitHub 星星數都嚟到咗 153K，大致上每星期發佈一個主要版本。
佢嘅特點係「三層記憶系統 + 自我進化技能」。佢會從你每次完成嘅任務入面自動提煉出可以重用嘅技能文件，越用越熟、越用越順，同樣類型嘅任務完成效率會隨住使用時間而增長。佢都支援飛書同微信，掃碼就可以連接。但係 Hermes 嘅記憶系統比起 OpenClaw 落嘅功夫要大，亦都做得更專更深。但係記憶本身仍然算係任務執行嘅輔助，唔係核心產品。此外，Hermes 嘅記憶內容目前冇辦法方便咁導出成人類可讀嘅文件，唔似 OpenHuman 支援你喺 Obsidian 入面直接查看同編輯你自己嘅記憶文件。喺 Hermes 入面對於想自己掌控數據嘅用戶嚟講就冇得玩啦。
所以話：
◆ OpenClaw 更加似係為 AI 配咗一雙手，幫你將事情做完；
◆ Hermes Agent 係為 AI 做咗一套學習機制，越用越順手；
◆ OpenHuman 就係畀 AI 一個真正嘅長期記憶，仲可以隨時編輯，建立關係圖譜，令佢真係記住咗你。
三者唔完全係競爭關係，而係喺 AI Agent 呢個方向上揀咗唔同嘅核心問題去解決。
既然連 Karpathy 自己都喺度手工搭建 LLM Wiki 工作流，呢樣嘢說明需求肯定係存在嘅，只係冇現成又好用嘅工具。
而 OpenHuman 會唔會成為解決呢個問題嘅最佳工具呢，可能而家講仲係太早。
畢竟佢都係個新鮮物種，產品仲處於早期階段，仲需要等待用戶同時間嘅考驗。
但係將「AI 嘅長期記憶」當成核心產品嚟做，係一個唔錯嘅方向。
所以，如果你都想擁有一個可以長期記住你，記住你交代嘅嘢嘅 AI Agent，不妨試嚇 OpenHuman。
倉庫地址：
https://github.com/tinyhumansai/openhuman
官網地址：
https://tinyhumans.ai
既然睇到呢度，如果覺得都唔錯，順手幫手撳個「讚」、「在看」、「轉發」三連；如果想第一時間收到推送，亦都可以幫我加個星標★，非常感謝！
昨天在 ProductHunt 上看到一款產品，叫 OpenHuman，已躥到 GitHub 熱門排行榜第一了。
又是一款全新的 AI Agent。初看跟我們熟悉的 OpenClaw 和 Hermes 很像。
但在 PH 的介紹頁裏有這麼一句話：90% 的人嘗試 AI Agent 之後都放棄了。
其實這句話是說到了目前很多普通人玩流行 AI Agent 的痛點。
在之前，我的交流羣裏就有很多人說："OpenClaw 還沒搞明白呢，又出了個 Hermes Agent。"；"龍蝦我都快放棄了！"
過去一年，有多少人在網上看完教程，興沖沖地搭好了自己的 AI 助手，然後用了兩個星期之後，新鮮勁兒一過就再也沒打開過了。
不是因為這些 AI Agent 不好用，而是因為：
一、還是有門檻兒的，有些人用着用着就放棄了，不想再折騰了。特別是像 OpenClaw 這種，動不動每次升級後就帶來一堆問題，讓人崩潰。
二、能堅持下來的少數人，會發現自己每次打開還都要重新解釋一遍自己是誰，重新交代一遍背景上下文，就像跟一個永遠失憶的"人"再交流，心累。
OpenHuman 告訴你的是，他們找到了這件事兒的真正原因。不是 AI 不夠聰明，而是因為有"三堵牆"擺在那裏。
第一堵牆是記憶
現有的 AI Agent，不管看起來有多強大，本質上都是無狀態的。你跟它說的話，對話一結束就蒸發了，下次見面它又是一張白紙。
就算是那些號稱有「記憶」功能的產品，存的也不過是幾條關鍵詞，遠稱不上真正的瞭解。
第二堵牆是數據主權
你用來讓 AI 瞭解你的那些信息，比如文章、郵件、日曆、聊天記錄等各種資料吧，全部存在別人的服務器上，你看不見，改不了，哪天服務一停，什麼都沒了。
特別是針對那些用雲端龍蝦的朋友們。
第三堵牆是上手門檻
我認為這個才是最重要的痛點。人都是懶的，喜歡簡單的，能開箱即用的。
現在很多 AI Agent 工具的第一步都是打開終端、輸個命令、填個 API key、編輯個配置文件。
這明擺着都是門檻兒。
對普通用戶來來講，說它是一道真實的篩選牆，一點兒都沒錯，只要進不去就會放棄了。
而 OpenHuman 的切入點，就是把這三個問題都當成首要問題來解。
先說記憶這塊兒
有個背景故事先提一下。AI 領域的大牛 Andrej Karpathy，相信很多人都有所瞭解。
他是前特斯拉 AI 總監、OpenAI 的早期創始成員之一。一直在用一套自己搭建的個人工作流來解決這個問題。
他的做法是把文章、論文、代碼、圖片這些原始資料收進一個 raw 文件夾，然後用 LLM 自動把它們編譯成一個不斷生長的 Markdown 格式個人 Wiki，Wiki 裏有雙向連結、有摘要、有分類、有索引。
等這個 Wiki 積累到一定體量之後，他就可以對着整個知識庫問任何複雜的問題，AI 會先去 Wiki 裏檢索、推理、輸出答案，甚至把新的探索結果再反哺回 Wiki 中，讓你個人的整個知識庫越來越完整。
他形容這套東西的核心邏輯是：原始數據進來，LLM 把它編譯成 Wiki，然後通過各種工具在 Wiki 上持續做問答和增強。
這套 SOP 的終點，他認為是把模型本身微調成「真正知道並掌握了這些知識」，而不只是在上下文裏提供檢索功能。
想法很好、也很專業，但想搭建 Karpathy 的這麼一套工作流是需要一定的技術能力才能搭建起來的。
同時，還需要養成持續積累資料的習慣。並且你還得會用 Obsidian，會偶爾寫個腳本，會配合 CLI 工具，會把各個部分串聯起來。
OpenHuman 就是按照這個解決問題的思路，把它產品化了。
他把 Karpathy 的工作流封裝進了一個可以一鍵安裝的桌面應用，幾分鐘內就能讓 AI 開始真正瞭解你這個人。
另外，OpenHuman 把它的記憶系統做成了一個叫做「Memory Tree」的東西，也就是記憶樹。
所有記憶都存在你的本地電腦上，格式是 SQLite 數據庫加一個 Markdown 文件夾。而且這個文件夾裏面的文件可以直接用 Obsidian 打開閲讀和編輯，結構和 Karpathy 用的那套幾乎一模一樣。
OpenHuman 說 Memory Tree 可以擴展到十億級 token 的記憶容量。
你跟它聊過的每件事兒，它從你的郵件和日曆裏抓取到的每條信息，都會被切分成小塊兒，存進這個本地數據庫中，打上來源標籤，建立雙向連結，再被彙總成三種摘要樹：
◆ 按時間線整理的全局摘要
◆ 按來源平台整理的源摘要
◆ 按人物和話題整理的主題摘要
下次比如你問它"上週和張總談的那件事兒最後有結論了嗎？"，它會自己先去 Memory Tree 裏進行檢索，不是憑空捏造。
而為了解決「記憶越多，調用越貴」這個矛盾問題，OpenHuman 還內置了一個叫「TokenJuice」的壓縮系統。
它每次把大量信息塞進 AI 上下文之前，會先做語義壓縮，保留關鍵內容，去掉冗餘，讓 token 消耗保持在可控範圍之內。
關於數據安全與隱私方面
OpenHuman 的設計原則是：Memory Tree 的 SQLite 數據庫和 Markdown 文件夾 100% 留在本地，OpenHuman 的後端服務器永遠接觸不到你的原始數據。
走後端的部分只有 LLM 調用、網絡搜索代理、第三方服務的 OAuth 授權代理和語音合成流媒體。
明文數據不上雲，這一點是架構設計就決定的，不是可以隨便更改的策略。
關於上手門檻
OpenHuman 給出的最優答案就是一個 GUI 優先的策略。
但在安裝之前，先看一下系統要求。
平台：MacOS、Linux、Windows，跨平台都支持
內存：4GB+ 推薦；如果使用本地模型或處理比較大的代碼庫，建議 16GB+
下載也很方便。無論你是 Mac/Linux 系統的用戶，還是 Windows 系統的用戶，進入 OpenHuman 的官網，點擊頁面中的「Download」按鈕，它會幫你判斷你的操作系統並提供可直接下載的操作。
官網下載地址：
https://tinyhumans.ai/openhuman?utm_source=github&utm_medium=readme
或者你也可以直接到項目倉庫的 releases 頁面中選擇自己需要下載的獨立安裝包。
下載地址：
https://github.com/tinyhumansai/openhuman/releases/tag/v0.53.43
截止發稿前，最新版本是 v0.53.43
當然，OpenHuman 也給喜歡在終端裏操作的朋友提供了便捷的一鍵安裝指令。
MacOS 或 Linux x64
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bashWindows
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex安裝完成後啓動，你看到的第一個圖形界面就是下面這個：
說白了是讓你登錄。然後先讓你選擇一下核心運行的模式，你是準備本地運行？還是採取基於雲端方式的運行？
如果選擇雲端方式，我看了一下，需要兩個輸入參數，一個是 Core RPC URL，另一個是 Auth token。因為我也不太理解，我感覺應該是基於服務器端的配置信息。也就是當你把 OpenHuman 安裝到了雲端服務器上，然後需要填寫的信息。
總之，咱們普通用戶就選擇官方推薦的「Local」本地運行即可。直接點擊「Continue」進入下一步。
然後他會要求你登錄，支持 Google、GitHub，還有 Twitter 三種方式。不用管那個 Configure RPC URL 選項（這就是剛才上面說的基於雲端的方式）。
所以，你能成功登錄的前提就是，你的電腦要支持科學上網，否則就不用往下走了！
成功登錄之後，會自動來到下面這個頁面，點擊「Let's Star」直接開始。
會讓你先連接 Gmail，如果你不需要，你也可以直接選擇「Skip for Now」進行跳過。
設置完這個 Gmail 之後，就正式進入了 Agent 的功能引導頁面，我這裏就不截圖了，一共 10 項，你可以挨個看，或者直接「Skip」跳過。
首次使用，就像上圖裏我說明的，會給新人一個促銷積分，不過有點兒少 $0.94。如果體驗下來覺得還不錯，支持訂閲，訂閲給 10 倍積分。 前 1,000 名用戶還能享受 6 折優惠，它給了每個人一個優惠碼。
OpenHuman 的主要核心功能都集中在底部中央區域，也就是下面這個放大的圖。
下面分別簡單介紹並展示一下：
Human 人類
這也是 OpenHuman 的差異化之一。可以與非常可愛的吉祥物用語音進行實時交流，吉祥物還會根據你們聊天的話題或結果，自帶情緒變化。你用語音跟它交流，它也用語音跟你回覆，很有意思！
不過你可別把它只當做一個會聊天的電子寵物看。它其實跟下面要說到的 Memory 裏的會議智能體有着緊密的聯繫。它可以真的作為一個有名字、有臉、有攝像頭位置的參會者加入到你綁定的 Google Meet 會議中。
它在會議中可以做的事就包括實時轉錄所有人的發言，把筆記寫進 Memory Tree，按人名和話題分類；在有人問它問題的時候直接回答，可以在會議中現查 Memory Tree、歷史會議記錄、Slack 線程、郵件、GitHub issue；它說話用的是內置的 TTS 合成語音，畫面是動畫口型同步，不是會議錄製機器人那種只能記錄的角色，而是真正能在會議裏參與討論、調取資料的智能體。
普通會議記錄工具只能告訴你說了什麼，而 OpenHuman 的吉祥物是可以在會議進行中就直接回答其他參會者的問題，比如"上個月我們在哪次會議上決定了要將產品上線時間推遲到 Q3的"。
Chat 聊天
點 Home 主頁上的「Message OpenHuman」可快速發起消息。界面就長下面這樣兒，乍一看有點兒像 Telegram 的意思。在 Human 那頁的問候消息，這裏也能看到。左邊是個消息列表，可以快速刪除某條聊天會話消息，上面也帶分類，點「+」可以新建會話。
Connecting 連接
你可以連接各種各樣內置的應用。也可以為 Agent 連接第三方消息渠道，就跟你為 OpenClaw 或者 Hermes Agent 連接的方式一樣，只不過 OpenHuman 的 GUI 界面，更符合普通人來使用。但現在還不支持飛書及微信。此外，它還能自動識別出你用戶目錄下所有已安裝的 Skills，點擊直接查看或者直接卸載，成為了你管理 Skills 的好幫手。就跟你用 CC Switch 管理你用戶目錄下的全局 Skills 是一樣的方便。
Memory 記憶
我認為這是 OpenHuman 與 OpenClaw 或 Hermes 之間最大的差異化，也是最有特色的功能。
它分為了記憶、潛意識、通話以及夢境，目前夢境還沒有正式推出。當你停止使用應用的時候，它會進入一個叫做「做夢」的狀態，把當天積累的碎片信息做離線整合形成索引，蒸餾成長週期記憶，下次你打開它的時候，它已經把白天發生的事情全部消化完了。不過這個功能 OpenClaw 和 Hermes 也都有。
在記憶這個選項卡中，我之前已經連接上了 Gmail，這已經算是它對我的一個記憶源了，隨着你使用 OpenHuman 的時間越長，它就會越來越瞭解你。同時，你還可以直接在 Obsidian 中直接查看並編輯記憶，甚至是構建自己的記憶樹。
此外，這個 Subconscious 是潛意識循環，也就是會自我反思。它是一個後台運行的任務系統，每隔五分鐘觸發一次心跳，在你不跟它說話的時候，它仍然在後台工作。比如檢查已連接的服務有沒有新信息、審視新進來的記憶更新、執行你預設的定時任務等等。按照官方數據披露的，它的潛意識系統每天觸發的記憶回溯超過一萬次，而成本才不到一美元。
還有一個是 OpenClaw 或者 Hermes 中沒有的功能，OpenHuman 給加入進來了。它是個會議智能體，允許你綁定一個 Google Meet 會議（前面在寵物環節也說到過）。你可以直接輸入會議連結讓你的寵物加入會議，然後它就可以實時記錄你會議中的所有內容，還能在會議過程中直接回復參會人的問題（有 Memory Tree 的加持，可以隨意檢索）。就算你不能參加也沒有關係，它會幫你全程記憶，你回來了也可以讓它幫你總結和再次回顧。
其實咱們的飛書會議、騰訊會議裏早已含了這個功能，老外還是遲鈍一些。
Alerts 警報
這個模塊其實沒什麼，主要就是你通過 Chat 模塊中的「+」操作，添加並關聯的其他賬户收到的消息或者通知，或者來自 OpenHuman 本身系統的事件都會放在這個整合功能模塊下來進行統一的查看與操作。
Rewards 獎勵
這個標籤頁裏面的功能主要是跟獎勵有關的，比如推薦其他人訂閲 OpenHuman 後可以拿到一定的獎勵，如果看完我這個介紹並且使用後覺得體驗不錯，訂閲的時候可以使用我的推薦碼：4YVUKALK，你和我都會獲得獎勵。
另外，OpenHuman 看來是與 Discord 做了深度綁定，除了解鎖消息通道外，還可以獲得支持者徽章並解鎖其他相關獎勵。如果你玩兒 Discord 的話，不要錯過！
還有一個就是兑換頁面，這頁就沒什麼可說的了，你有優惠碼就來這頁操作兑換就行。作為新人加入系統直接派發的 $0.94 信用額度也會在這頁看到。
Setting 設置
這是最後一個標籤功能了。所有 OpenHuman 相關的設置選項都集中在這個頁面中，包括什麼賬户設置、吉祥物設置、AI 提供商、訂閲管理、獎勵、高級開發模式及退出登錄等。
比如我將吉祥物的顏色調整為綠色，回到 Human 頁面就能看到我的吉祥物已經變成了墨綠色。
如果你想使用自己已訂閲的套餐，就可以在設置頁面中，找到「AI & Models」選項，在裏面進行設置，就跟你在 CC Swith 中設置的差不多，也是 BaseURL、API Key、幾種類型的模型名稱。
上面就是關於 OpenHuman 的一切，基本上已經很全了，足夠讓你有一個初步瞭解。
那與 OpenClaw、Herms Agent 之間到底有啥明顯區別，我們再來簡單說說。
龍蝦 OpenClaw 我就不用再詳細介紹了，只要你經歷過龍蝦洗禮那波兒風潮，應該對它會有一定認知了。
這個被譽為歷史上躥星最快的開源項目，它的定位是一個「通用 AI Agent」，你把它安裝在自己電腦或者服務器上都行，可以把飛書、微信作為消息渠道與之隨時通話。它還可以幫你編程、跑腳本、操控瀏覽器、管理文件等等都可以。強的是它的生態發展速度，技能庫裏有超過一萬三千多個社區開發的技能。但唯獨對「記憶」這件事兒沒有特別深的設計。你今天讓它做的事兒，可能第二天就已經忘光了，更別提還要把之前的幾件事兒給聯繫起來。
而 Hermes Agent 是今年二月份由 Nous Research 實驗室推出的另一款開源 AI Agent，上升速度也是賊快，GitHub 星數也來到了 153K，基本上每週發佈一個主要版本。
它的特點是「三層記憶系統 + 自我進化技能」。它會從你每次完成的任務裏自動提煉出可複用的技能文件，越用越熟、越用越順，同樣的類型任務完成效率會隨着使用時間而增長。它也支持飛書和微信，掃碼就能連接。但 Hermes 的記憶系統可比 OpenClaw 下的功夫要大，也做的更專更深。但記憶本身仍然算是任務執行的輔助，不是核心產品。此外，Hermes 的記憶內容目前沒有辦法方便地導出成人類可讀的文件，不像 OpenHuman 支持你在 Obsidian 中直接查看並編輯你自己的記憶文件。在 Hermes 中對於想自己掌控數據的用戶來說就沒戲了。
所以說：
◆ OpenClaw 更像是給 AI 配了一雙手，幫你把事情做完；
◆ Hermes Agent 是給 AI 做了一套學習機制，越用越順手；
◆ OpenHuman 則是給 AI 一個真正的長期記憶，還能隨時編輯，建立關係圖譜，讓它真的記住了你。
三者不完全是競爭關係，而是在 AI Agent 這個方向上選擇了不同的核心問題去解決。
既然連 Karpathy 自己都在手工搭建 LLM Wiki 工作流，這說明需求肯定是存在的，只是沒有現成且好用的工具。
而 OpenHuman 會不會成為解決這個問題的最佳工具呢，可能現在說還為時過早。
畢竟它也是個新鮮物種，產品仍處於早期階段，還需要等待用戶與時間的考驗。
但把「AI 的長期記憶」當成核心產品來做，是一個不錯的方向。
所以，如果你也希望擁有一個能長期記住你，記住你交代的事兒的 AI Agent，不妨試試 OpenHuman。
倉庫地址：
https://github.com/tinyhumansai/openhuman
官網地址：
https://tinyhumans.ai
既然看到這兒了，如果覺得還不錯，幫忙隨手點個「贊」、「在看」、「轉發」三連；如果想第一時間收到推送，也可給我加個星標★，非常感謝！