OpenHuman
最快、最省钱、最高效的开源智能体框架。在一台 10 美元的 VPS 上运行 500 多个智能体。
给普通人用的桌面应用，给开发者用的 Rust 库。
文档 ·
Rust 快速入门 ·
基准测试 ·
讨论区 ·
Discord ·
Reddit ·
X ·
@senamakel（创建者）
🇺🇸 English | 🇸🇦 العربية | 🇨🇳 简体中文 | 🇯🇵 日本語 | 🇰🇷 한국어 | 🇩🇪 Deutsch | 🇹🇷 Türkçe | 🇵🇰 اردو
> [!NOTE]
> 🎉 上线仅一周，OpenHuman 就连续九天成为 **GitHub 趋势榜第一的仓库**。
> **早期测试版。** OpenHuman 仍在积极开发中，难免有不完善的地方。
---
## 安装
最简单的方式是从 [tinyhumans.ai/openhuman](https://tinyhumans.ai/openhuman?utm_source=github&utm_medium=readme) 或 [最新发布页](https://github.com/tinyhumansai/openhuman/releases/latest) 下载桌面应用。macOS 提供 `.dmg`，Windows 提供 `.msi` 或 `.exe`，Linux 提供 `.deb` 或 `.AppImage`。
更喜欢用终端？安装脚本会为你的系统选择合适的安装包，校验其校验和并完成安装：
```bash
# macOS and Linux
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
```
```powershell
# Windows (PowerShell)
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex
```
想先看看 macOS 和 Linux 脚本会做什么，可以在命令末尾加上 `bash -s -- --dry-run`。其他选项和故障排查见 [INSTALL.md](../INSTALL.md)。
---
## 为什么选择 OpenHuman？
大多数智能体框架给每个智能体开一个沉重的进程，并且每次调用都重新发送一大段提示词。OpenHuman 用少得多的资源完成同样的工作。它是唯一功能丰富、专为大规模智能体集群设计的开源框架：一台 10 美元的服务器就能装下 500 个智能体。
快
基准测试结果 · 冷启动数据
完成编码任务只需约 20 秒，是我们测试的七款 AI 智能体工具中最快的。启动只需十分之一秒。
|
省钱
成本与 token 数据 · 压缩原理
token 用量比一般的智能体工具少 2.6 倍，在我们的测试中总花费最低。
|
大规模下依然高效
集群测量数据 · 测试方法
内存和 CPU 用量约为一般智能体工具的八分之一。在一台 10 美元的服务器上运行 500 多个智能体。
|
为开发者而建
Rust 快速入门 · 嵌入指南 · 示例
把它当作 Rust 库来用：像调用普通函数一样调用智能体，或者在一台小服务器上运行整个集群。
|
相同的提示词，并排对比：“用动漫故事的形式给我写一个关于智能体框架的故事，写进一个 HTML 页面并帮我打开。”
OpenHuman 用时 20 秒，使用 15k token，花费 $0.0054。Hermes 用时 9 分 40 秒，使用 37k token，花费 $0.0082。
---
## 主要创新
大多数智能体框架只是一个简单的循环：把所有内容发给模型，等待，再重复。这对单个智能体可行，但很快就会变得又慢又贵，一旦同时运行几百个就会崩溃。
OpenHuman 重新设计了开销最大的几个环节：AI 要读多少文字、如何找到合适的工具、功能如何加载，以及整个系统需要多少机器资源。下面六个想法就是上文速度和节省的来源。每张卡片都链接到文档，方便你了解细节。
RLM token 压缩
RLM 论文 · 工作原理
基于 递归语言模型（Recursive Language Models）。体积大的工具结果会在 AI 读取之前先被压缩。对于特别大的结果，AI 拿到的是一个可以搜索的句柄，而不是把全部内容读一遍。不会丢弃任何内容。
|
Jev：即时、准确的工具搜索
Jev · 测量数据
Jev 是一个小模型，能从 1,215 个工具中找出合适的那一个。正确的工具出现在它推荐前几名的概率是 86.8%，而关键词搜索只有 70.5%。
|
统一的 Rust 总线
插件如何工作
每个功能，比如搜索、文档或语音，都接入同一条 Rust 总线，这个想法借鉴自 Linux 系统总线。功能只在需要时才加载，其中一个卡住了，其余的仍能正常工作。
|
深度集成的记忆
记忆如何工作 · 记忆引擎
记忆是内置的。每一轮对话之前，OpenHuman 只挑出重要的内容，控制在 token 预算之内，并附上引用交给 AI。开箱即用，你也可以通过一个设置换成别的记忆引擎。
|
即时的浏览器与桌面控制
浏览器与电脑控制 · Jev
智能体会使用真实的浏览器和你的桌面应用。Jev 根据屏幕上的按钮来决定每一次点击，不需要截图。遇到任何付款操作它都会先停下。
|
可编程的 Rust 核心
Rust 快速入门 · 性能
整个框架是在单个进程中运行的编译型 Rust，所以启动只需十分之一秒，而且一直很轻量：在我们的编码任务中峰值仅 68 MB。同一个核心也是一个库。你可以在自己的 Rust 代码里调用智能体，也可以在一台小服务器上并排运行几百个。
|
---
## 基准测试
我们让七个框架在相同的 SWE-bench 任务上运行，使用相同的模型、API 密钥和容器，并记录了每一次调用。测试环境和结果都公开在 [openhuman-benchmarks](https://github.com/tinyhumansai/openhuman-benchmarks)，任何人都可以重新运行。最新一次运行是 [`swe-x86-1`](https://github.com/tinyhumansai/openhuman-benchmarks/blob/main/results/swe-x86-1/summary.md)，共十个任务。
OpenHuman 完成任务用时不到中位数的一半，token 少用 2.6 倍，内存和 CPU 只用八分之一。它发起了 114 次模型调用，其他框架是 134 到 212 次；整次运行花费 $0.05，其他框架花费 $0.08 到 $0.35。
它的优势来自每一步做得更少。核心是单进程的编译型 Rust，而不是 Node 或 Python，所以占用内存很少，在两次模型调用之间几乎不占 CPU。它发送的提示词是七个框架里最小的，包含 20 个工具也只有 4.6k token，因此每次调用更便宜、返回更快（中位数 1.65 秒，同样最快）。它得出答案所需的调用次数也更少，大部分节省正是来自这里。
| 每个已解决任务 | OpenHuman（对比中位数） | 其他六个的中位数 | 其他六个中最好的 |
| --- | --- | --- | --- |
| 耗时 (p50) | **19.8 s**（快 2.3 倍） | 46.5 s | 28.4 s (OpenCode) |
| Token | **167k**（少 2.6 倍） | 435k | 370k (Codex) |
| 成本 | **$0.0077**（-36%） | $0.012 | $0.0077（OpenCode，持平） |
| 峰值内存 | **68 MB**（少 7.7 倍） | 523 MB | 123 MB (Codex) |
| CPU 时间 | **1.3 s**（少 8 倍） | 10.4 s | 2.9 s (DeepSeek Harness) |
| 系统提示词 | **4.6k token**（-40%） | 7.7k | 6.2k (DeepSeek Harness) |
---
## 面向用户
如果你用过 Claude Code、Codex、OpenClaw 或 Hermes，这些概念你一定不陌生：带工具的智能体循环、MCP、技能、BYOK 模型和记忆。OpenHuman 全都有，可以在桌面应用、终端应用或无界面服务器中使用。
| 能力 | OpenHuman 提供什么 |
| --- | --- |
| 可配置的记忆 | [覆盖你的文件、代码仓库、信息流和应用的内置记忆](https://tinyhumans.gitbook.io/openhuman/features/memory)，每一轮之前带引用地调出，使用你选择的记忆引擎 |
| 语音智能体 | 可以随时打断的[实时语音智能体](https://tinyhumans.gitbook.io/openhuman/features/native-tools/voice)，另有语音输入和语音回复 |
| 电脑与浏览器控制 | [操作真实的 Chrome 浏览器和你的桌面应用](https://tinyhumans.gitbook.io/openhuman/features/native-tools/browser-and-computer)，做任何无法撤销的操作前都会先询问 |
| 搜索 | [搜索引擎和搜索智能体](https://tinyhumans.gitbook.io/openhuman/features/native-tools/web-search)：内置 Exa 和 Gemini，使用你自己的密钥还可用 Brave、Tavily、Parallel 等，提供带引用的有依据回答和 Deep Research |
| 工具 | [原生工具](https://tinyhumans.gitbook.io/openhuman/features/native-tools)：Shell 和编码、网页抓取、文档、图像和视频生成、定时任务 |
| MCP 与技能 | [MCP 服务器和技能包](https://tinyhumans.gitbook.io/openhuman/features/integrations/mcp-and-skills) |
| OAuth 集成 | [通过 Composio 接入 119 个应用](https://tinyhumans.gitbook.io/openhuman/features/integrations)，并有[触发器](https://tinyhumans.gitbook.io/openhuman/features/integrations/triggers)，在事件发生时启动智能体 |
| 模型 | [本地模型（Ollama、LM Studio、MLX）和 26 个提供商的 BYOK](https://tinyhumans.gitbook.io/openhuman/features/model-routing/local-and-byok-models)，并支持[自动模型路由](https://tinyhumans.gitbook.io/openhuman/features/model-routing) |
| 渠道 | [14 个消息渠道](https://tinyhumans.gitbook.io/openhuman/features/channels)可作为智能体的前端：Telegram、Discord、iMessage、电子邮件等 |
| 工作流 | [持久化的工作流图](https://tinyhumans.gitbook.io/openhuman/features/workflows)：定时、事件或手动触发，审批步骤，暂停后可继续 |
| 安全 | [审批关卡](https://tinyhumans.gitbook.io/openhuman/features/approval-gate)、[沙箱执行](https://tinyhumans.gitbook.io/openhuman/features/privacy-and-security)（系统隔离或 Docker）、仅本地运行的[隐私模式](https://tinyhumans.gitbook.io/openhuman/features/privacy-mode)、存放在[系统密钥环](https://tinyhumans.gitbook.io/openhuman/features/os-keyring-and-secret-storage)中的密钥 |
| 用量追踪 | [每次调用的成本和 token 用量](https://tinyhumans.gitbook.io/openhuman/features/billing-and-usage)，以及可回放的运行日志 |
从[快速上手](https://tinyhumans.gitbook.io/openhuman/overview/getting-started)或[指南](https://tinyhumans.gitbook.io/openhuman/guides)开始吧。
---
## 面向开发者
OpenHuman 是一个以库为先的框架。把它加入你的 Rust 项目，就能像调用普通函数一样调用智能体，不需要运行任何边车进程或守护进程。一个运行时可以容纳几百个智能体，每个智能体都有自己的模型、工具、记忆和沙箱。500 个智能体就能装进一台 10 美元的 VPS，所以每位客户一个智能体的产品不需要集群也能起步。
```rust
use openhuman_embed::{Access, Harness, Provider, Workspace};
let agent = Harness::builder()
.provider(Provider::openai_compatible("https://api.openai.com/v1", "sk-...").model("gpt-5"))
.workspace(Workspace::Ephemeral)
.access(Access::readonly())
.build()
.await?;
let reply = agent.run("Summarize what you can see in this directory.").await?;
println!("{}", reply.reply);
```
接下来看：[Rust 快速入门](https://tinyhumans.gitbook.io/openhuman/developing/quickstart)、[嵌入指南](../gitbooks/developing/embed/README.md)和[开发者文档](https://tinyhumans.gitbook.io/openhuman/developing)。
---
## 与其他框架相比如何？
下面把 OpenHuman 和大多数人已经在用的框架放在一起比较。前四行来自我们的[公开基准测试](https://github.com/tinyhumansai/openhuman-benchmarks/blob/main/results/swe-x86-1/summary.md)：十个 SWE-bench 编码任务，每个框架使用相同的模型和容器。每个数字都是每个已解决任务的数据。其余各行比较功能。
简单来说，其他框架很适合一个人搭配一个智能体工作。OpenHuman 同样可以做到，并且它还是可以作为库嵌入、并能扩展到整个集群的开源选择。产品变化很快，做决定前请先查看各个项目。
| | Claude Code | Codex | OpenClaw | Hermes Agent | OpenHuman |
| ----------------------- | -------------------- | -------------------- | -------------------- | -------------------- | ---------------------------------------- |
| **任务用时中位数** | 37.8 s | 36.1 s | 62 s | 58.5 s | 🚀 19.8 s |
| **每个任务平均 token** | 428k | 370k | 442k | 482k | 🚀 167k |
| **每个任务峰值内存** | 231 MB | 123 MB | 1.57 GB | 816 MB | 🚀 68 MB |
| **每个任务平均成本** | $0.04 | $0.02 | $0.01 | $0.0082 | 🚀 $0.0077 |
| **开源** | 🚫 专有 | ✅ Apache-2.0 | ✅ MIT | ✅ MIT | ✅ GPL-3.0 |
| **智能体集群** | ⚠️ 每个智能体一个进程 | ⚠️ 每个智能体一个进程 | ⚠️ 每个智能体一个进程 | ⚠️ 每个智能体一个进程 | 🚀 10 美元 VPS 上 500 个智能体 |
| **可嵌入的库** | ⚠️ CLI 之上的 SDK | ⚠️ CLI 之上的 SDK | 🚫 无 | ⚠️ Python 包 | 🚀 有类型的 Rust API |
| **记忆** | ⚠️ 记忆文件 | ⚠️ 记忆文件 | ⚠️ 依赖插件 | ✅ 自我学习 | 🚀 每一轮都调用，并附引用 |
| **集成** | ✅ MCP | ✅ MCP | ⚠️ 自行接入 | ⚠️ 自行接入 | 🚀 119 个 OAuth 应用、MCP、技能 |
| **消息渠道** | 🚫 无 | 🚫 无 | ✅ 很多 | ✅ 若干 | ✅ 14 个，包括电子邮件 |
| **浏览器与桌面** | ⚠️ 通过 MCP 使用浏览器 | ⚠️ 通过 MCP 使用浏览器 | ✅ 浏览器 | ✅ 浏览器 | ✅ 浏览器和桌面应用 |
| **工作流** | 🚫 无 | 🚫 无 | ⚠️ 脚本 | ⚠️ 脚本 | 🚀 可视化，由智能体起草 |
| **模型选择** | ⚠️ Anthropic 模型 | ⚠️ 优先 OpenAI | ✅ 任意 | ✅ 任意 | ✅ 任意，内置路由 |
---
## 参与贡献
请阅读 [`CONTRIBUTING.md`](../CONTRIBUTING.md)，或者用[这段提示词](./CONTRIBUTING-BEGINNERS.md#optional--let-an-ai-coding-agent-guide-you)让 AI 编码智能体带你上手。
1. 安装 Git、Node.js 24+、pnpm 10.10.0、Rust 1.96.1（含 `rustfmt` 和 `clippy`）、CMake、Ninja、ripgrep，以及你所用平台的桌面构建依赖。
2. Fork 并克隆仓库。运行 `git submodule update --init --recursive`，然后运行 `pnpm install`。
3. 做界面开发运行 `pnpm dev`，做桌面应用运行 `pnpm dev:app`。提交 PR 之前，请运行 `pnpm typecheck`、`pnpm format:check` 和 `cargo check --manifest-path Cargo.toml`。
更多内容见[环境搭建](https://tinyhumans.gitbook.io/openhuman/developing/getting-set-up)、[`AGENTS.md`](../AGENTS.md)和 [crates 概览](../crates/README.md)。OpenHuman 的许多部分位于 [`vendor/`](../vendor) 下各自独立的仓库中，同样欢迎贡献。
贡献者可获得免费周边，并在 [Discord](https://guild.tinyhumans.ai/) 上获得特别权限。
## Star 历史
## 贡献者
