openhuman

OpenHuman es una aplicación de IA personal de código abierto para macOS, Windows y Linux, en versión beta temprana. Se presenta como tres cosas: un sistema de memoria local persistente, un orquestador de agentes y un asistente de investigación profunda. El proyecto está construido con un núcleo en Rust y una capa de escritorio, y se distribuye mediante instaladores en el sitio del proveedor y GitHub Releases, así como Homebrew, paquetes Debian/Ubuntu, AUR y scripts de instalación. Memoria y contexto La característica principal de memoria es el Árbol de Memoria: los datos del usuario se comprimen en árboles de Markdown calificados almacenados en SQLite en la máquina local, y se reflejan como un vault de Obsidian que se puede abrir y editar directamente. Un bucle de búsqueda automática extrae datos de cuentas conectadas aproximadamente cada 20 minutos para que el agente tenga contexto reciente sin un largo período de entrenamiento. Un backend agentmemory opcional se puede configurar en config.toml para que el mismo almacén duradero se comparta con otros agentes de programación. Integraciones y herramientas El README afirma más de 100 integraciones OAuth, 5.000 servidores MCP y 90.000 habilidades, cubriendo servicios como Gmail, Notion, GitHub y Slack. Las herramientas nativas incluyen búsqueda web gestionada por Exa (incluida con una suscripción, o usar clave propia), un escrapador, un conjunto de herramientas para programación, un navegador y una herramienta de uso de computadora, así como voz nativa con Whisper en proceso. La generación de imágenes y videos también se menciona. El enrutamiento de modelos selecciona un LLM por trabajo; los usuarios pueden apuntar trabajos a sus propias claves de proveedor o un modelo Ollama completamente local. Orquestación y flujos de trabajo En lugar de un único bucle de agente, OpenHuman ejecuta turnos como gráficos con puntos de verificación en la biblioteca open-source tinyagents, por lo que los procesos pueden pausar para entrada humana, sobrevivir reinicios y reanudarse. Los sub-agentes pueden generarse varios niveles profundos, y los agentes atrapados se reportan con causas raíz. La comunicación entre agentes se describe como funcionando sobre encriptación de extremo a extremo del protocolo Signal con pagos x402. Los flujos de trabajo, construidos en el proyecto open-source tinyflows, son propuestos por el agente y revisados por el usuario en un lienzo visual antes de guardarse; los flujos guardados son activados por disparadores (programaciones, webhooks, eventos de canales) y restringen efectos secundarios detrás de aprobaciones. Un componente TokenJuice comprime la salida de herramientas antes de que llegue al modelo. Canales y privacidad Se listan diecisiete canales de mensajería, incluyendo Telegram, Discord, Slack, WhatsApp, Signal y iMessage, además de correo electrónico nativo mediante IMAP IDLE y SMTP. Las funciones de privacidad incluyen datos encriptados en el dispositivo, una puerta de aprobación, almacenamiento de secretos en el anillo de sistema, sandalearización opt-in y un interruptor de modo de privacidad que evita que la inferencia salga de la máquina, impuesto en el núcleo de Rust. La personalización incluye varias familias de temas y un editor visual con exportación JSON. Desarrollo Los contribuyentes necesitan Git, Node.js 24+, pnpm 10.10.0, Rust 1.93.0 con rustfmt y clippy, CMake, Ninja, ripgrep y requisitos de construcción de escritorio de plataforma. El flujo de trabajo implica forkear y clonar, inicializar submódulos antes de instalar dependencias, y usar scripts de pnpm para trabajo de interfaz web solo, la capa de escritorio, verificación de tipos, formato y verificaciones de cargo. El proyecto está licenciado bajo GNU y enlaza a documentación de arquitectura y configuración.