openhuman

OpenHuman — это открытый исходный код персонального ИИ-приложения для macOS, Windows и Linux, находящийся в ранней бете. Он позиционируется как три вещи: система постоянной локальной памяти, оркестратор агентов и помощник для глубокого исследования. Проект создан с использованием ядра Rust и десктоп-оболочки, и распространяется через установщики на сайте производителя и GitHub Releases, а также через Homebrew, пакеты Debian/Ubuntu, AUR и скрипты установки. Память и контекст Основная функция памяти — Дерево памяти: пользовательские данные сжимаются в оцененные деревья Markdown, хранящиеся в SQLite на локальном компьютере, и отражаются как vault Obsidian, который можно открыть и отредактировать напрямую. Цикл автоматической загрузки извлекает данные из подключенных учетных записей примерно каждые 20 минут, чтобы у агента был свежий контекст без длительного периода обучения. Опциональный бэкенд agentmemory можно настроить в config.toml, чтобы тот же долговременный хранилище использовался другими кодовыми агентами. Интеграции и инструменты README утверждает, что имеется 100+ интеграций OAuth, 5000+ серверов MCP и 90000+ навыков, охватывающих сервисы, такие как Gmail, Notion, GitHub и Slack. Нативные инструменты включают управляемый веб-поиск, основанный на Exa (включенный в подписку или с вашим собственным ключом), парсер, набор инструментов для программирования, браузер и инструменты использования браузера и компьютера, а также нативный голос с встроенным Whisper. Также указаны генерация изображений и видео. Маршрутизация моделей выбирает LLM для каждой задачи; пользователи могут вместо этого направить задачи на свои собственные ключи поставщика или полностью локальную модель Ollama. Оркестрация и рабочие процессы Вместо одного цикла агента OpenHuman запускает этапы в виде проверенных графов на библиотеке tinyagents, поэтому запуски могут приостанавливаться для ввода человека, выживать после перезапусков и возобновляться. Подагенты могут порождать несколько уровней в глубину, и застрявшие агенты сообщаются с причинами. Сообщения между агентами описываются как работающие по протоколу Signal-шифрования с конца до конца с оплатой x402. Рабочие процессы, созданные на проекте tinyflows, предлагаются агентом и проверяются пользователем на визуальной холсте перед сохранением; сохраненные рабочие процессы запускаются по триггерам (расписания, вебхуки, события каналов) и блокируют побочные эффекты за счет одобрения. Компонент TokenJuice сжимает выходные данные инструментов перед их передачей модели. Каналы и приватность Перечислено 17 каналов сообщений, включая Telegram, Discord, Slack, WhatsApp, Signal и iMessage, а также нативную электронную почту через IMAP IDLE и SMTP. Функции приватности включают зашифрованные данные на устройстве, ворота одобрения, хранение секретов в ключевом кольце ОС, опциональную изоляцию и переключатель режима приватности, который предотвращает вывод инференции с машины, обеспечиваемый в ядре Rust. Тематизация включает несколько семей тем и редактор визуального интерфейса с экспортом JSON. Разработка Для участия в разработке необходимы Git, Node.js 24+, pnpm 10.10.0, Rust 1.93.0 с rustfmt и clippy, CMake, Ninja, ripgrep и предварительные условия для сборки десктопа на платформе. Рабочий процесс включает форкинг и клонирование, инициализацию подмодулей до установки зависимостей, и использование pnpm-скриптов для работы с веб-интерфейсом, десктоп-оболочкой, проверкой типов, форматированием и проверкой cargo. Проект лицензирован под GNU и ссылается на архитектурную и настройку документации.