虾马之后又火一个！OpenHuman用20分钟了解你的一切，存成卡帕西式知识库

Agent赛道最近真是热闹，“虾”和“马”各领风骚，没想到半路又杀出个新物种——

。这家伙势头挺猛，连续霸榜GitHub Trending第一，狂揽9k+ Star，一天就能涨上千星，关注度可见一斑。

不过，它火起来的原因，可能恰恰是因为它走了条不一样的路。之前的“虾”和“马”，本质上还是用户在教AI做事：你得配置技能、编写提示词、调整工作流。说穿了，

。

OpenHuman的思路反了过来：它不用你教，而是主动来了解你。连接你的Gmail、GitHub、Slack、Notion、日历等上百种服务后，它能每20分钟自动抓取一次新数据，并压缩构建成一个

。一次同步完成，它对你的工作和生活就了然于胸，没有训练期，上手就能干活。对于已经厌倦了“驯养”过程的用户来说，这无疑是个解放。

20分钟了解你的Agent

这个设计的灵感，其实有迹可循。之前Karpathy公开过一个叫

的工作流：把笔记、文档、项目信息全整理成结构化的Markdown，扔进Obsidian让AI持续索引。思路很妙，但在技术圈火过一阵后，大家发现了个硬伤：。你得自己整理、分类、更新，一天不维护，知识库就过时了。

OpenHuman干的事，就是把卡帕西这套手工活，变成了

。整个过程可以总结为三步：连接、抓取、构建记忆树。

目前它支持118+个第三方服务，覆盖了Notion、GitHub、Slack、Stripe、Drive等主流工作工具。每个连接都是一键授权，省去了到处找API Key的麻烦。

连接完成后，核心引擎会每20分钟自动轮询所有已连接的账户。新邮件、日程变更、代码提交、文档更新……所有变动都会被拉到本地。用户无需编写任何提示词或轮询脚本，Agent自己知道何时该刷新。

抓取的数据经过清洗和压缩，被切分成不超过3000个Token的Markdown片段，并按主题、时间线、关联对象进行评分和层级摘要，最终折叠成一棵“记忆树”。

这棵树的本体是一个本地SQLite数据库。但同一份数据，还会同步生成.md文件，落地成一个完全兼容Obsidian的本地知识库。这意味着，你可以直接用Obsidian打开、浏览甚至编辑Agent的“记忆”。

除了记忆树，还有个挺实用的设计叫

。它的作用是在每次工具调用结果、网页抓取内容或邮件正文被送入大模型前，先做一遍压缩处理：HTML转Markdown、长URL缩短、清理非ASCII字符、去重冗余信息。经此处理，Token消耗据说能降低80%。

而且这套压缩规则用了三层叠加：内置默认规则、用户自定义规则、项目级规则，全都以JSON文件存储，修改后无需重新编译，灵活性很高。

此外，OpenHuman还有个有趣的Mascot功能，一个“会说话”的虚拟形象可以作为独立参会者加入Google Meet会议。你开会，它旁听并记录要点；你离开电脑，它则在后台继续执行待办任务。这得益于其

机制：即使你不主动交互，它也会自行加载待办事项、读取近期记忆，并自主决定下一步行动。

懂你，还得Human来

如果横向对比一下，OpenHuman与Claude Cowork、OpenClaw、Hermes Agent等主流Agent相比，在上手门槛、成本、记忆能力、第三方集成、自动数据同步和模型调度等多个维度，都展现出一定的优势。

在“虾马”之后，OpenHuman还能引发关注，或许是因为它精准地踩中了开发者们的几个核心痛点：API密钥管理繁琐、各平台数据分散难以整合、上下文日益臃肿导致AI响应变慢。

而OpenHuman试图用一个账号搞定所有授权，免去反复注册和配置；内置上百种应用一键互联，自动将全平台数据同步至专属记忆树；整个过程在后台静默运行，并能通过压缩技术最高节省80%的Token消耗与响应延迟。

其实，这三个痛点分开看是功能问题，合起来看，反映的或许是更深层的问题：过去的许多Agent，心思大多花在“能干”上，但在“懂你”这个层面，始终差了口气。

“虾”解决了工具多的问题，“马”解决了能自学的问题，但真正试图去理解你、适应你节奏的，眼下看来，可能还得是这个新来的“Human”。