OpenHuman：你的「個人 AI 數位分身」

2026 年的 AI 助手早已不滿足於「你問一句、它答一句」。真正讓人興奮的方向，是個人 AI 數位分身——一個執行在你裝置上、記得住你郵件與行程、能在背景持續思考、必要時替你呼叫工具的桌面級智能體。OpenHuman（Tiny Humans AI 開源專案）正是朝這個方向走的產品：Rust 驅動核心、TypeScript 桌面殼層、118+ 第三方一鍵 OAuth，以及本地優先的記憶樹。本文從工程視角拆解它為何在 GitHub 上迅速走紅，以及若你要在 Mac 上長期跑這類 Agent，該關注哪些算力與隱私邊界。

OpenHuman 解決的核心問題：上下文從哪來？

多數 Agent 框架的痛點很一致：冷啟動太慢。Hermes 要靠觀察學習，OpenClaw 依賴外掛慢慢餵上下文——往往要數天甚至數週，智能體才真正「懂你的技術棧」。OpenHuman 換了一條更激進的路徑：連線 → 擷取 → 記憶樹。

你只需把 Gmail、Notion、GitHub、Slack、Google Calendar、Linear、Jira、Stripe 等常用服務透過一鍵 OAuth接進來（官方文件稱 118+ 整合，底層經 Composio 連接器層代理 OAuth）。核心引擎每 20 分鐘輪詢活躍連線，把新郵件、行程變更、程式碼提交、文件更新拉到本地。無需手寫輪詢腳本，也無需反覆貼上 prompt——Agent 在早上就已經擁有當天壓縮後的上下文。

這與 Karpathy 倡導的 Obsidian-wiki 式 LLM 知識庫一脈相承：OpenHuman 把「手工整理 Markdown 知識庫」變成全自動流水線，目標是在幾分鐘內建立上下文，而非數週。

記憶樹：本地 SQLite + Obsidian 相容儲存庫

OpenHuman 的記憶樹（Memory Tree）是產品護城河的關鍵。所有接入資料被規範化為不超過 3k token 的 Markdown 片段，經評分與層級摘要後寫入本機 SQLite；同一份內容還以 .md 檔案落地到相容 Obsidian 的本地儲存庫，你可以直接開啟、瀏覽、編輯 Agent 的「記憶」。

這意味著三件事：第一，資料主權在裝置端——工作流知識不鎖在某個 SaaS 對話框裡；第二，檢索可稽核——記憶以檔案形式存在，而非黑箱向量資料庫；第三，與現有工具鏈銜接——若你已在 Claude Code、Cursor 等環境自託管 agentmemory，OpenHuman 可選同一後端，讓桌面 Agent 與編碼 Agent 共享持久儲存。

TokenJuice：在觸及 LLM 之前先「榨汁」

個人 Agent 的最大隱性帳單往往是 token 膨脹：一封 HTML 郵件、一次網頁擷取、一段冗長的工具輸出，若原樣塞進上下文，延遲與費用都會失控。OpenHuman 的 TokenJuice 在資料進入任何 LLM 之前做壓縮層處理：HTML 轉 Markdown、長 URL 縮短、重複工具輸出去重與摘要，並保留中文、emoji 等多位元組字元的完整字形。

官方宣稱最多可降低約 80% 的成本與延遲——對「每天自動同步數十個資料源」的場景，這不是錦上添花，而是能否長期執行的工程前提。模型路由方面，預設經 OpenHuman 後端按工作負載選擇推理型、快速型或視覺型 LLM；也支援透過 Ollama 跑本地模型處理端側任務，這對 Apple Silicon 統一記憶體與神經引擎是天然友善的組合。

不止於聊天：桌面吉祥物、語音與會議 Agent

OpenHuman 刻意走UI 優先、人性化路線：安裝後幾次點擊即可使用，無需先設定終端機。產品帶有桌面吉祥物（Mascot）——會說話、能感知環境，甚至可作為參與者加入 Google Meet（會議 Agent）。原生工具集涵蓋檔案系統、git、lint、test、grep，以及網路搜尋、網頁擷取與語音（STT 輸入 + ElevenLabs TTS 輸出）。

從架構上看，它試圖成為「個人 AI 時代的桌面入口」：使用者只與 OpenHuman 互動，Gmail、Notion、GitHub 等應用退居為被呼叫的底層服務。這與「Agent 從助手走向數位同事」的產業判斷一致——差別在於 OpenHuman 把記憶與整合一次性打包，降低一般人搭建分身的門檻。

在 Mac 與雲端 Mac 上跑 OpenHuman：三類典型場景

OpenHuman 支援 macOS、Windows、Linux。對 Apple 使用者，常見落地方式有三類：

• 本機 Mac 日常分身— 筆電或 Mac mini 上安裝 DMG，記憶樹與 Obsidian 儲存庫落在本地 NVMe；適合個人知識工作者與獨立開發者。
• Apple Silicon + Ollama 本地推理— 敏感摘要、程式碼審查等任務走端側模型，複雜推理再走託管路由；M 系列統一記憶體在中小模型上延遲穩定，可與Core ML / MLX 實驗共用同一台機器，但應錯峰排程避免爭用記憶體。
• 雲端 Mac 常駐實例— 若希望 Agent 24/7 背景同步與思考，而本地裝置常休眠，可將 OpenHuman 部署在Mac mini 雲端主機等獨享 macOS 實例上：靜態 IPv4 便於 OAuth 回呼與白名單，1Gbps 獨享出口加速大儲存庫與附件拉取，VNC 適合首次 OAuth 與 GUI 除錯。這與團隊把CI Runner放上雲端的邏輯類似——算力層交付可稽核的 macOS 單元，Agent 層消費持久上下文。

快速上手：安裝與第一次同步

從 tinyhumans.ai/openhuman 下載 DMG，或在終端機執行官方安裝腳本。首次啟動後按精靈連接 2–3 個最高頻服務（通常 Gmail + Calendar + GitHub 或 Notion），等待首輪自動拉取完成——記憶樹出現首批 Markdown 片段即表示上下文已建立。之後可逐步擴展整合，並開啟 Obsidian 儲存庫核對 Agent 如何摘要你的資料。

# 從官網下載 DMG，或使用 curl 安裝
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

# 可選：在 config.toml 中切換 agentmemory 後端或 Ollama 本地模型
# memory.backend = "agentmemory"

小結：OpenHuman 適合誰？

如果你厭倦了「每個 SaaS 裡各養一個 Copilot」，又希望 Agent 記得住跨應用的上下文，OpenHuman 代表了一條清晰路徑：OAuth 批量接入 + 本地記憶樹 + Token 級壓縮。它不適合只想偶爾問 ChatGPT 的使用者；更適合願意把數位生活收斂到一個桌面入口、並接受早期產品迭代波動的 power user 與小團隊。

對 Mac 使用者而言，OpenHuman 與獨享 macOS 算力（本機或雲端 Mac mini）是互補關係：前者解決「懂你是誰」，後者解決「7×24 穩定執行與可稽核環境」。在 Agent 從對話框走向作業系統的過渡裡，這類個人 AI 數位分身或許正是下一階段的預設形態。

• 文件— OpenHuman GitBook（整合、記憶樹、TokenJuice）
• 原始碼— GitHub tinyhumansai/openhuman（GNU 授權，Rust + Tauri）
• 算力— 常駐同步可考慮 ZavCloud Mac mini 雲端主機