OpenHuman 是什么?4.2 万星的开源 Agent Harness,10 美元 VPS 跑 500 个 Agent(基础篇)

OpenHuman 是什么?4.2 万星的开源 Agent Harness,10 美元 VPS 跑 500 个 Agent(基础篇)

Agent 装多了,最先撑不住的往往不是模型,是机器。Claude Code、Codex、OpenClaw 一个比一个能吃内存,一台 4GB 的小主机同时开三个会话,内存就开始告急。OpenHuman 就是冲着这个痛点来的,官方口号很直接:最快的、最便宜的开源 Agent Harness,10 美元的 VPS 跑 500 个 Agent。GitHub 上 4.26 万星,但它到底是个桌面软件,还是一个能嵌进产品的运行时?这篇拆开讲。

它是什么

OpenHuman 是 Tiny Human Intelligence(美国特拉华州注册)做的开源个人 Agent 平台,2026 年 2 月建库,11 月 11 日的数据是 42,650 星、4,216 个 fork,许可证 GPL-3.0。它有三种形态:macOS / Windows / Linux 的桌面应用(Tauri 壳)、终端或无头服务,以及一个可以直接嵌进 Rust 项目的库。官方把它叫 personal super intelligence,但从工程角度看,它更像一个本地优先的 Agent Harness——把 Agent 循环、工具、记忆、模型路由、消息通道和工作流都收进一个 Rust 进程里。

和 OpenClaw 那种个人 Agent 网关比,OpenHuman 的差异点在资源占用:核心是编译好的 Rust 单进程,不是 Node 或 Python 壳,官方说冷启动 0.1 秒、跑编码任务峰值内存 68MB;同一套核心做成库以后,一台 10 美元的 VPS 能塞 500 个 Agent。这个数字是官方口径,后面「实话」里再泼冷水。

它和 Claude Code、Codex 那种「一个会话一个进程」的编码 Agent 也不是一回事。OpenHuman 把能力拆成模块:搜索、文档、语音、浏览器各是一个模块,全部挂在一条 Rust 总线上,用到才加载;一个模块卡住,其它模块照常跑。官方管这个叫 unified Rust bus,思路借的是 Linux 的 system bus。

能干什么

  • 记忆:每轮对话前按 token 预算挑出相关记忆,带引用交给模型;记忆引擎可以换。
  • 接入:119 个 OAuth 应用(走 Composio)、MCP 服务器、技能包;14 个消息通道,Telegram、Discord、iMessage、邮件都能当 Agent 的前端。
  • 模型:本地 Ollama / LM Studio / MLX,或者 BYOK 接 26 家供应商,自带路由。
  • 工具:真实 Chrome 浏览器、桌面应用控制、Shell 与编码、网页抓取、文档、图像和视频生成、cron。
  • 工作流:cron、事件、手动触发,支持审批步骤和中断后续跑。
  • 安全:审批门、OS jail 或 Docker 沙箱、Privacy Mode,密钥放系统钥匙串。

记忆不是简单的聊天记录:它会在每轮开始前,按预算从你的文件、仓库、订阅源和已连接应用里挑出相关片段,带引用塞给模型;官方演示里,一个连了多个应用的账号攒出了七千多个节点的记忆图。

成本是怎么压下来的

OpenHuman 省钱的思路有三层。第一层是 RLM token 压缩:工具返回的大段结果先压再给模型看,特别大的就留一个句柄让模型自己搜,原文不丢。第二层是 Jev 工具检索:一个很小的模型专门从 1,215 个工具里挑,官方测试里正确工具进入前三的比例是 86.8%,关键词搜索是 70.5%。第三层是 Rust 单进程:没有 Node 或 Python 运行时,空闲时几乎不吃 CPU,官方跑十个编码任务的峰值内存是 68MB。三层叠起来,才有「10 美元 VPS 跑 500 个 Agent」这个口号。

OpenHuman 架构图:桌面端、Rust 内核、记忆、工具、模型与 119 个应用
OpenHuman 的三层结构:桌面端、Rust 内核,以及外接的记忆、工具、模型与应用(据官方 README 与文档整理)

怎么上手

最省事是下载桌面端:官网按平台给 .dmg、.msi、.deb 或 .AppImage,也可以一行脚本装:

curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

装完登录,选模型——不想绑官方 key 就填自己的 OpenAI 兼容端点,或者直接指到本机 Ollama;再连一个应用,比如 Telegram 或 Google Drive,发第一个请求。桌面端是给人的,库是给开发者的:发布页也给了 Linux 的 openhuman-core 压缩包,适合往无头服务器上放。想把它当基础设施用,就上 Rust 库:Harness::builder() 里配好 provider、workspace、access,十几行代码起一个 Agent,几百个 Agent 共用一个运行时。

实话

第一,它还是 early beta。README 自己挂着橙色的 early beta 标签,版本号 0.64.x,最新正式版 v0.64.15 停在 10 月 9 日,仓库今天一天倒是有上百个提交。

第二,性能数字全是官方自测:七个 harness、十道 SWE-bench 题、同一模型同一容器,OpenHuman 中位 19.8 秒、167k token、单任务 0.0077 美元、峰值 68MB;第三方还没复现,别当成定论。

第三,GPL-3.0 是强 copyleft。自己用、自己改都行,但要嵌进闭源产品对外分发,得先把 license 看明白。

第四,「500 个 Agent / 10 美元 VPS」说的是无头库模式,桌面端开一堆 GUI 会话是另一回事;本地优先也不等于全离线,模型调用走哪家还是哪家。最后,桌面控制有审批门,但支付、生产账号这类东西,别随手交给一个 beta 软件。

谁该用

手里已经有两三个 Agent、被内存和账单教育过的人,值得试;只想要一个聊天框的,OpenClaw、LobeChat 更省事。想在小机器上自托管一堆 Agent 的,可以对照之前那篇《十个 Agent 平台几个能装进自己机器》一起看。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注