Архитектура: Локальная память и SuperContext
OpenHuman позиционируется как персональный ИИ-суперинтеллект, где ключевым отличием является хранение данных на стороне пользователя. Система использует Memory Tree — локальную базу знаний в формате Markdown (совместимую с Obsidian), которая хранится в SQLite. Все подключенные данные кэшируются в чанки до 3 000 токенов, ранжируются и формируют иерархические деревья.
Главная инновация — функция SuperContext. При начале нового диалога агент автоматически запускает процесс «разведки» (context_scout), который сканирует память и файлы, собирая релевантный контекст. Это позволяет модели отвечать на первое сообщение уже с учетом предыстории, исключая задержки на поиск информации.
Интеграции и экосистема
Агент работает через слой Composio, обеспечивая подключение более чем к 100 сервисам по OAuth (Gmail, Notion, GitHub, Slack, Stripe, Jira и др.). Поддерживается взаимодействие с 5 000+ серверами Model Context Protocol (MCP) и каталогом из 90 000 навыков (Skills). Каждые 20 минут фоновый процесс auto-fetch обновляет данные из активных подключений, обеспечивая актуальный контекст без ручных промптов.
Экономия ресурсов: TokenJuice
Для снижения стоимости и задержек внедрен модуль TokenJuice. Он сжимает входные данные (HTML в Markdown, сокращение URL, дедупликация) перед отправкой в LLM. Технология сохраняет целостность многобайтовых символов (CJK, эмодзи) и обещает снижение потребления токенов и затрат до 80%.
Характеристики и возможности
| Параметр | Значение / Описание |
|---|---|
| Хранение данных | Локально (SQLite, Markdown-хранилище) |
| Интеграции | 100+ OAuth-коннекторов, 5 000+ MCP-серверов |
| Каталог навыков | 90 000+ записей (Skills) |
| Сжатие токенов | До 80% экономии (TokenJuice) |
| Голос и видео | STT, TTS (ElevenLabs), липсинк, участие в Google Meet |
| Установка | macOS (Homebrew), Linux (APT/AUR), Windows (.msi) |
Почему это важно
OpenHuman решает проблему «холодного старта» в новых диалогах и утечки контекста, характерную для многих современных чат-ботов. За счет локального хранения и автоматического обновления памяти (auto-fetch) агент становится по-настоящему долгосрочным помощником, способным вести сложные проекты с учетом истории взаимодействий за недели. Поддержка локальных моделей через Ollama и гибкая настройка маршрутизации делают его привлекательным для пользователей, ценящих приватность и контроль над данными.
Источник: Github ↗