openhuman

OpenHuman é um aplicativo de IA pessoal de código aberto para macOS, Windows e Linux, atualmente em beta inicial. Ele é posicionado como três coisas: um sistema de memória local persistente, um orquestrador de agentes e um assistente de pesquisa profunda. O projeto é construído com um núcleo em Rust e uma interface de desktop, e distribuído por meio de instaladores no site do fornecedor e GitHub Releases, além de Homebrew, pacotes Debian/Ubuntu, AUR e scripts de instalação. Memória e contexto O recurso central de memória é a Árvore de Memória: os dados do usuário são comprimidos em árvores Markdown pontuadas armazenadas em SQLite no computador local e refletidas como um repositório Obsidian que pode ser aberto e editado diretamente. Um loop de busca automática puxa dados de contas conectadas a cada 20 minutos, para que o agente tenha contexto recente sem um longo período de treinamento. Um backend de agentmemory opcional pode ser configurado no config.toml para que o mesmo armazenamento durável seja compartilhado com outros agentes de código. Integrações e ferramentas O README afirma mais de 100 integrações OAuth, 5.000 servidores MCP e 90.000 habilidades, cobrindo serviços como Gmail, Notion, GitHub e Slack. Ferramentas nativas incluem busca na web gerenciada pelo Exa (incluída com uma assinatura, ou use sua própria chave), um scraper, um conjunto de ferramentas para programação, um navegador e uma ferramenta de uso do navegador e computador, além de voz nativa com Whisper em processo. Geração de imagens e vídeos também está listada. O roteamento de modelos seleciona um LLM por carga de trabalho; os usuários podem direcionar cargas de trabalho para suas próprias chaves de provedor ou um modelo Ollama totalmente local. Orquestração e fluxos Em vez de um único loop de agente, o OpenHuman executa turnos como gráficos com pontos de verificação na biblioteca open-source tinyagents, então as execuções podem pausar para entrada humana, sobreviver a reinícios e retomar. Sub-agentes podem ser criados em vários níveis, e agentes travados são relatados com causas raiz. A comunicação entre agentes é descrita como funcionando com criptografia de ponta a ponta do protocolo Signal com pagamentos x402. Fluxos, construídos no projeto open-source tinyflows, são propostos pelo agente e revisados pelo usuário em uma tela visual antes de serem salvos; fluxos salvos são acionados por gatilhos (agendamentos, webhooks, eventos de canal) e limitam efeitos colaterais atrás de aprovações. Um componente TokenJuice comprime a saída de ferramentas antes que ela chegue ao modelo. Canais e privacidade Dezessete canais de mensagens são listados, incluindo Telegram, Discord, Slack, WhatsApp, Signal e iMessage, além de e-mail nativo via IMAP IDLE e SMTP. Recursos de privacidade incluem dados criptografados no dispositivo, uma porta de aprovação, armazenamento de segredos no keyring do sistema, sandboxing opcional e um interruptor de modo de privacidade que impede que a inferência saia da máquina, implementado no núcleo Rust. Temas incluem várias famílias de temas e um editor visual com exportação JSON. Desenvolvimento Contribuidores precisam de Git, Node.js 24+, pnpm 10.10.0, Rust 1.93.0 com rustfmt e clippy, CMake, Ninja, ripgrep e pré-requisitos de construção de desktop da plataforma. O fluxo de trabalho envolve forkar e clonar, inicializar submódulos antes de instalar dependências e usar scripts pnpm para trabalhos da interface web, shell de desktop, verificação de tipos, formatação e verificações de cargo. O projeto é licenciado sob GNU e vincula documentação de arquitetura e configuração.