你有沒有過這種感覺：
每次開啟 ChatGPT，都得從頭說明——
- 你是誰
- 你在做哪個專案
- 上週忙些什麼
聊完關掉分頁，它又忘了。
這也是今天多數 AI 助手 的共同弱點：模型很聰明，卻缺少長期記憶。2026 年興起的個人 AI（Personal AI） 賽道，正把答案從「更長的聊天視窗」改成「可累積、可編輯、可刪除的本機記憶」——其中 OpenHuman（TinyHumans 開源）用 Memory Tree 搭建AI 數位分身，是 GitHub 與 Product Hunt 上討論度很高的一條路線。
本文不是安裝教學（那類內容生命週期很短），而是回答：為什麼你需要 Agent 記憶、OpenHuman 與 ChatGPT 差在哪、串接 Gmail / GitHub / Notion 後實際會發生什麼，以及和 OpenClaw 如何分工。想五分鐘裝好可另讀安裝教學。
為什麼 AI 需要長期記憶？
無狀態聊天會把AI 助手變成「每次見面都是新同事」：系統提示裡那幾條偏好，本質上是便利貼，撐不起跨郵件、跨儲存庫、跨季度的個人 AI 工作流。你上週在 ChatGPT 花二十分鐘講清楚的架構決策，本週開新對話，它照樣問「專案背景是什麼」——這不是模型笨，是產品形態預設不保存你的人生脈絡。
第二大腦（Second Brain） 的概念流行多年——Notion、Obsidian 讓人親手整理筆記；大模型時代的問題變成：能否讓 AI Agent Memory 自動吸收生活與工作的片段，又讓你能打開資料夾核對、刪掉敏感段落？若只能「信模型記得」，你永遠無法稽核它到底記住了什麼；若只能「自己抄進筆記」，同步成本又太高。Personal AI 試圖走中間路線：機器拉取、人類校對、Agent 檢索。
幾個典型場景，通用 AI 助手 會明顯吃力：
- 創辦人 / 顧問 — 郵件、行事曆、Slack 討論串分散，每天早上要花半小時釐清「今天先回誰、哪場會不能缺席」
- 技術負責人 — 同時盯多個儲存庫的 PR、設計文件與 OKR；編碼 Agent 懂程式碼，卻不懂你「作為一個人」這週在忙什麼
- 重度 Obsidian 使用者 — 已有筆記體系，希望 AI 數位分身 能引用 vault，而不是另起一套無法匯出的雲端對話
開發者用 ChatGPT 寫程式、處理郵件已經夠用；搭配 Claude Code / Cursor 改儲存庫更是常態。但一旦你要的是「記得上週會議結論、正在推進的儲存庫、常聯絡的協作者」，就需要本機優先的記憶層，而不是每週把同一套 README 貼進新對話。這也是 Personal AI 與通用聊天機器人分道的原因——前者賣的是身份連續性，後者賣的是單次推理品質。
OpenHuman 與 ChatGPT 有什麼不同？
很多人搜的是「OpenHuman 是什麼」「OpenHuman 和 ChatGPT」——核心差異不在模型智商，而在記憶形態與資料歸屬。
| 維度 | ChatGPT | OpenHuman |
|---|---|---|
| 長期記憶 | 有限（記憶功能因帳號/地區而異，且難以匯出稽核） | 本機 Memory Tree，人可讀 Markdown |
| 資料歸屬 | 主要在雲端對話串 | SQLite + 本機 vault，本機 AI 優先 |
| Gmail | 需外掛或手動貼上 | OAuth 後週期性 auto-fetch |
| GitHub | 無原生儲存庫級同步 | 可納入 AI Agent Memory |
| Obsidian | 無 | 記憶樹可同步為 Obsidian 相容目錄 |
| Slack / Linear | 需外掛或複製貼上 | OAuth 後可進 Memory Tree |
| 模型選擇 | 廠商統一路由 | 多模型路由，可選 Ollama 本機 AI |
| 適合誰 | 通用問答、寫作、腦力激盪 | 要AI 數位分身、可稽核第二大腦的使用者 |
ChatGPT 仍是極強的通用 AI 助手；OpenHuman 不是要取代它，而是補上「跨應用、可累積、可刪改」那一層。不少人會組合使用：複雜推理、長文寫作仍用 ChatGPT；日常「你是誰、最近在忙什麼」交給個人 AI 桌面端。若你已在用記憶功能，也可以問自己：能否匯出成 Markdown？能否在 Obsidian 裡刪一段？能否讓 GitHub 與郵件自動進樹？——三項裡有兩項答「否」，就還在「雲端便利貼」階段，而不是完整的 AI Agent Memory。
搜尋關鍵字上，「OpenHuman 是什麼」與「OpenHuman 和 ChatGPT」往往指向同一個決策：你要的是更強的單次回答，還是更穩定的跨天脈絡。前者繼續用瀏覽器聊天即可；後者才值得評估桌面 Personal AI 與本機 vault。
實測：我串接 Gmail、GitHub、Notion 之後發生了什麼
以下基於 Beta 版桌面端的一次完整冷啟動（非官方評測，僅供建立預期）。更偏「五天日記」的體感可參考OpenHuman 五天體驗記。
我實際串接了：
- Gmail — 工作信箱（唯讀 OAuth）
- GitHub — 主力開源與 side project 帳號
- Notion — 專案說明與會議筆記庫
首次同步大約用了 20 分鐘（與官方 auto-fetch 週期同量級；期間可繼續瀏覽 UI，但記憶樹條目會陸續增加）。前 5 分鐘主要是 OAuth 與權限確認；10 分鐘後 vault 裡開始出現郵件主旨摘要；到 20 分鐘時，GitHub 側已能對應到最近活躍的 2–3 個儲存庫。最明顯的變化是：
- AI 助手 已能說出我最近參與的儲存庫名稱、常見 Issue 主題，而不必先貼 README
- 問「這週會議相關的待辦」時，能引用行事曆與 Notion 裡已同步的片段（仍建議人工核對）
- 打開 Obsidian 目錄，能看見依主題分塊的
.md——這就是「黑箱聊天」與第二大腦的差別：你知道 Agent「以為你知道什麼」
我試過三類提問，對比串接帳號前後的差異：
| 提問 | 串接前 | 首輪同步後 |
|---|---|---|
| 「我最近在忙哪個開源專案？」 | 需貼上儲存庫連結或自述 | 直接列出 GitHub 同步到的儲存庫與近期 Issue 主題 |
| 「有沒有漏回的重要郵件？」 | 只能給通用郵件管理建議 | 引用 Gmail 摘要中的待回覆討論串（附件細節仍可能漏） |
| 「把 Notion 裡某 spec 總結成三點」 | 需複製全文進 ChatGPT | 從 Memory Tree 檢索已同步區塊（以實際同步範圍為準） |
典型一天可以是：上午 auto-fetch 拉完郵件與 Slack 討論串；下午寫程式時，個人 AI 引用 vault 裡的架構筆記回答「這個模組上次為什麼改成這樣」；晚上用語音整理明日待辦並寫入摘要層。後續提問很少再從零介紹背景；Token 側也因預壓縮（官方稱 TokenJuice）比把整封 HTML 郵件塞進對話更省。
局限也要寫清楚：個別整合偶發重連；Beta 功能更新快；長郵件附件裡的決策點偶爾被壓掉；不適合拿生產財務流程做無人值守。若你只想「裝完立刻像科幻片」，第一天記憶樹仍偏稀疏——AI 數位分身 更像「新人 onboarding」，第二天起才像「記得住你的同事」。這與安裝教學裡強調的「等一輪 fetch 再驗收」是同一邏輯。
Memory Tree 是什麼？
Memory Tree 是 OpenHuman 的核心：AI Agent Memory 落在你的硬碟，而不是鎖在廠商雲端。社群常稱 OpenHuman「帶 Obsidian 大腦的 Agent」——思路接近 Karpathy 的 LLM Knowledgebase：把碎片結構化成可檢索、人可審閱的文字，而不是無限堆聊天紀錄。
資料流可以粗分為四步（理解即可，不必記實作細節）：
- 拉取 — OAuth 串接 Gmail、GitHub、Notion 等，週期性 auto-fetch（官方約每 20 分鐘）
- 切塊 — 長郵件、長文件切成約 3k token 以內的 Markdown 區塊，寫入 SQLite 作為規範儲存
- 摘要樹 — 區塊之上再建層級摘要，檢索時先命中摘要再下鑽原文，控制上下文長度
- 匯出 — 同步為 Obsidian 相容 vault，你可加標籤、刪段落、改措辭
- 另配 memory / web-fetch / coder（git、lint、測試）等工具，與多模型路由配合
- 可選 Ollama 做本機 AI 推理；氣隙環境能力會縮水，但記憶檔案仍在本機
對開發者，Issue、PR、設計文件會沉澱為個人 AI 可調用的長期背景，而不必每次把同一套 README 貼進 ChatGPT；對非工程師，郵件與行事曆摘要同樣進樹——「記得多」不等於「每次燒滿視窗」。你能用 Obsidian 打開 vault，看見 Agent「以為你知道什麼」——這是第二大腦與黑箱聊天最根本的差別。
OpenHuman 在解決什麼？（不是安裝教學）
OpenHuman 的路徑是：先同步生活資料，再讓 Agent 行動。官方流程（見 OpenHuman 文件）：UI 安裝 → OAuth 連帳號 → auto-fetch 約每 20 分鐘拉新 → 寫入 Memory Tree → 同步為 Obsidian 相容的 Markdown vault，你可直接改 .md 或刪段落。
2026 年，桌面 Agent 正從「會聊天的側邊欄」變成「能長期陪你工作的人」。OpenHuman 強調無需終端機即可完成引導：相對「每次新開一頁 ChatGPT」，它更像一位記得上週你在忙什麼的桌面同事。整合清單以 GitHub 儲存庫為準，常見包括 Gmail、行事曆、GitHub、Notion、Slack、Linear、Drive、Stripe 等——具體以你所在地區與 Beta 版本為準。
技術棧上，它定位桌面級 Personal AI：Rust 核心 + Tauri 殼、118+ OAuth 整合（經 Composio 等連接器）、可選 Ollama 本機 AI 推理，以及語音（STT/TTS）、會議 Agent、多 Agent 協調（輕量任務走快速模型，複雜推理再升級）。GPL-3.0 允許 Fork 後改同步策略、改記憶目錄，或在離線環境只接本機模型——適合厭惡供應商鎖定、又希望非工程師也能用 UI 完成串接的團隊。
與閉源「超級 App」不同，開源可稽核不等於企業級 SLA 與合規認證已齊；試點仍應設預期。與「無狀態聊天」相比，AI 數位分身 在這裡指：資料在你硬碟、格式人可讀，你可親手維護第二大腦，而非鎖在廠商雲端的黑箱對話。GitHub / Product Hunt 上的熱度說明需求真實，但「火」不代表適合你的合規邊界。
OpenClaw 與 OpenHuman 如何搭配？
社群常用比喻：OpenClaw 幫 Agent「動手」，OpenHuman 幫 Agent「記住你是誰」。詳見對照文。
| 維度 | OpenHuman | OpenClaw |
|---|---|---|
| 核心 | Memory Tree、可讀記憶、桌面個人 AI | Gateway、外掛、IM/Webhook |
| 適合 | 第二大腦在自己硬碟 | 7×24 Bot、流水線觸發 |
| 執行環境 | 本機桌面，合蓋即停 | 常放 Linux VPS |
可組合：VPS 上的 Bot 只負責對外應答，策劃與AI Agent Memory 留在本機 vault，降低把整庫個人郵件放上公網機的衝動。對外 Slack、Webhook 仍應落在 VPS 或容器；7×24 高可用 Bot 不宜指望合蓋筆電——睡眠、斷網、系統更新都會打斷桌面 Agent。iOS 建置、公證仍要另規劃 Mac 環境——與「分身記憶」是正交問題，詳見Agent Skill 與 GitHub 趨勢一文中的分工討論。
記住 vs 動手
選型先問：你要的是記憶力，還是執行力？ 改 40 個檔案用編碼 Agent；每天早上釐清「自己該幹什麼」用個人 AI + Memory Tree；在 IM 裡觸發建置用 OpenClaw。三條線不要寫進同一份採購說明。
隱私與邊界
GNU GPL-3.0 可 Fork 稽核；但呼叫雲端 LLM 時，從 Memory Tree 檢索出的片段仍會出境，需依合約選模型區域。本機優先 ≠ 零風險：OAuth 權杖等同鑰匙，丟機或離職要 revoke 並重掃 vault。
企業須對照 DLP 與「郵件全文是否可落盤」；個人注意 Token 最小權限與磁碟加密。若公司禁止未經核准的本機 AI 處理工作區資料，辦公帳號串接要先過資安評估——這與選哪台筆電 OS 無關，發生在應用與帳號層。
文件還提到瀏覽器/電腦控制等能力——權限越大，誤操作與越權拉取的面越大，正式環境應單獨建低權限測試連線。Beta 期建議測試帳號先跑「串接 → 等一輪 fetch → 打開 vault 脫敏」再接主信箱，並定期用 Obsidian 人工刪掉過時或敏感區塊。
上線前自檢（8 項）
給技術負責人或重度個人使用者過一遍——命中越多，越值得占一個試點名額；不是打分表。
- 是否厭倦每次向 AI 助手 從零講專案背景？
- 是否願意定期刪改記憶，而非全交給模型？（第二大腦 需要策展）
- 主力工具是否在整合清單內，或能用外掛補齊？
- 合規是否允許郵件/程式碼中繼資料進個人電腦？
- 是否仍要 iOS 建置 / macOS 簽章？——需另規劃 Mac，與分身並行
- 是否把 Slack/Webhook 與桌面個人 AI 拆開？——OpenClaw 上雲、記憶留本機更清晰
- 是否接受 Beta 頻繁更新、個別整合偶發失效？
- 換機/離職流程是否包含「匯出或銷毀本機 vault」？
常見結論是：個人效率工具可先上 OpenHuman 類 Personal AI，對外 Bot 與 iOS 交付仍走 VPS / Cloud Mac——三條線分開排期。
誰適合搭建個人 AI 數位分身？
較適合：
- 郵件、行事曆、IM 密集，希望 AI 助手 做每日優先順序摘要的創辦人或顧問
- 已用 Claude Code / Cursor，缺的是「生活脈絡」而非再多一個終端機 Agent 的開發者
- 已有 Obsidian 習慣，希望 AI Agent Memory 與筆記同一套可讀格式的人
可能不適合：
- 主要需求是在 IM 裡觸發 CI、回傳建置紀錄——請優先 OpenClaw
- 公司禁止工作郵件落盤到個人電腦——合規未通過前不要串主信箱
- 只想偶爾聊天、不需要跨應用記憶——ChatGPT 已足夠，不必多裝桌面端
常見問題
OpenHuman 是免費的嗎？
用戶端開源（GPL-3.0）；連接雲端大模型、部分 OAuth 連接器可能產生第三方費用。若全程 Ollama 本機 AI，主要成本是電費與硬體，但能力會弱於頂級閉源模型。
一定要用 Obsidian 嗎？
不必。vault 是標準 Markdown 目錄，任何文字編輯器都能改；Obsidian 只是社群最常用的校對介面。
和 Notion AI、Copilot 有什麼不同？
後者多鎖在單一產品內；OpenHuman 試圖橫跨 Gmail、GitHub、Slack 等，把 Personal AI 做成跨應用的AI 數位分身，且記憶檔案在你磁碟。
筆電合蓋後還會同步嗎？
不會。桌面 Agent 依賴本機喚醒；若要 7×24 拉取，需要常開 Mac 或 Cloud Mac 節點（見下一節）。
什麼時候需要 Cloud Mac？
個人 AI 的 Memory Tree 適合留在本機或你控制的硬碟；但兩類場景常需要真 macOS 常駐節點：
- 7×24 背景同步 — 筆電合蓋、睡眠會打斷桌面 Agent；若希望 AI 助手 整夜拉郵件摘要，可用 Mac mini 類常駐機（注意磁碟加密與帳號權限）
- Xcode 發版與 OpenClaw 閘道 — 與「記住你是誰」互補：建置、簽章、Webhook 可放在獨享 macOS 或 Linux VPS，別把三條線寫進同一份採購說明
Apple Silicon Cloud Mac 適合掛夜間建置與簽章佇列；Linux VPS 適合 OpenClaw 閘道與自動化——二者都不取代「你願意親手維護的 Obsidian 式記憶庫」，但能保證發版與對外通道不綁在一台會睡眠的筆電上。若你正在評估「分身在本機、建置與閘道在雲上」，可看 ZavCloud Cloud Mac 方案 做乾淨建置或閘道驗證——用一次乾淨建置或閘道驗證，把「記憶」「交付」「對外 Bot」三條線分開排期。
ZavCloud
分身在本機，建置與閘道在雲上
Mac mini 獨享 macOS：適合 OpenClaw 閘道與 Xcode 佇列；個人 AI 的 Memory Tree 仍可留在本機 vault，三條線分開更清晰。
查看方案與定價