OpenHuman：把个人记忆、深度研究和 Agent 工作流放在一起
一分钟看懂
OpenHuman 是一个强调 local-first 的个人 AI 系统，目标是从用户的资料和日常信息中建立长期记忆，再协调多个 Agent 完成研究和工作流。它希望成为可由个人掌控的“数字大脑”，而不是每次对话结束就丢失上下文的普通聊天工具。
你可以用它做什么
- 整理个人文档、笔记与长期上下文。
- 让 AI 在过去资料中检索与当前问题相关的信息。
- 运行深度研究任务并汇总多个来源。
- 编排多个 Agent 分工完成复杂工作流。
- 在本地优先保存数据，并按需要连接外部模型。
主要能力
项目围绕记忆层、Agent 编排和研究流程组织，让个人资料不只是文件集合，而能被检索、关联和用于后续任务。local-first 表示数据控制是核心设计方向，但具体哪些处理完全本地、哪些模型或连接会访问外网，需要根据部署和供应商配置逐项确认。
适合哪些人
- 希望长期积累个人 AI 上下文的知识工作者。
- 想自行部署记忆与多 Agent 系统的技术用户。
- 研究个人知识库、数字分身和深度研究工作流的开发者。
如果只需要临时问答或简单笔记，完整系统的部署与维护成本可能过高。
怎么开始使用
按照官方说明先在本地测试环境安装，只导入少量不敏感资料。检查记忆如何生成、检索和删除，并分别确认模型、搜索和第三方服务的数据流。验证准确性和权限后，再逐步扩大资料范围与自动化能力。
使用前需要知道
个人长期记忆可能包含身份、健康、财务、人际关系和工作秘密，是高度敏感的数据集合。“本地优先”不等于所有操作永不离开设备；如果配置云模型或外部搜索，相关内容仍可能发送出去。需要加密磁盘、限制账号权限、备份并建立彻底删除机制。
AI 对记忆的总结和关联可能出错，深度研究也可能引用不可靠来源。重要决定应回看原文并核实。Agent 编排具有写文件、访问网络等能力时，还要限制工具权限，防止错误操作或提示注入扩大影响。