OpenHuman：高效开源 Agent 运行框架

项目简介

OpenHuman 是一个开源 Agent harness（智能体运行框架），口号是「最快、最省、最高效」——目标是在一台 10 美元的 VPS 上运行 500 个以上的 Agent。它同时提供两种形态：给普通用户使用的桌面应用，以及给开发者使用的 Rust 库。

项目用编译型 Rust 写成，整个 harness 运行在单个进程中，启动时间约 0.1 秒；在官方编码任务测试中峰值内存为 68 MB。作者认为多数 Agent 框架为每个 Agent 启动一个重进程，并且每次调用都重发大段提示词，因此既慢又贵，规模一上去就崩溃；OpenHuman 正是针对这些环节重新设计。

项目目前处于 early beta 阶段，采用 GPL-3.0 许可证。

主要功能

• RLM 令牌压缩：基于 Recursive Language Models，在模型读取前压缩体积庞大的工具返回结果；超大结果则交给模型一个可检索的句柄，而不是全部读入，信息不会丢弃。
• Jev 工具检索：用一个很小的模型从 1,215 个工具中挑出正确的那个，正确工具进入其推荐前列的概率为 86.8%，而关键词搜索为 70.5%。
• 统一 Rust 总线：搜索、文档、语音等功能都作为模块接入同一个 Rust 总线（灵感来自 Linux 系统总线），按需加载；单个模块卡住不影响其他功能。
• 内置记忆：每轮对话前，在令牌预算内挑选相关内容并附带引用交给模型，开箱即用，也可以通过设置更换记忆引擎。
• 浏览器与桌面控制：Agent 可操作真实浏览器和桌面应用，Jev 直接根据屏幕上的按钮选择点击位置，无需截图；遇到支付环节会先停下。
• 可编程 Rust 核心：整个 harness 可作为库嵌入，像调用普通函数一样调用 Agent，或在一台小服务器上并行运行数百个。

官方公开的 SWE-bench 对比测试（同一模型、同一 API Key、同一容器）显示：OpenHuman 完成任务耗时不到中位数的一半，令牌用量少 2.6 倍，内存与 CPU 占用约为其他工具的八分之一，整轮成本 0.05 美元，而其他工具为 0.08–0.35 美元。测试脚本与结果公开在 openhuman-benchmarks 仓库，可自行复跑。

安装与使用

最省事的方式是从官网或最新 Release 下载桌面应用：macOS 提供 .dmg，Windows 提供 .msi 或 .exe，Linux 提供 .deb 或 .AppImage。

• 下载页：https://tinyhumans.ai/openhuman
• 最新版本：https://github.com/tinyhumansai/openhuman/releases/latest

偏好终端的话，安装脚本会自动选择适配系统的包、校验后安装：

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

# Windows（PowerShell）
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex

想在执行前预览 macOS / Linux 脚本会做什么，可在命令末尾加上 bash -s -- --dry-run。更多选项与故障排查见仓库中的 INSTALL.md。

开发者可以直接把核心当作 Rust 库使用，快速上手与嵌入示例见文档：

• 文档：https://tinyhumans.gitbook.io/openhuman/
• Rust quickstart：https://tinyhumans.gitbook.io/openhuman/developing/quickstart
• 嵌入指南：https://github.com/tinyhumansai/openhuman/blob/main/docs/gitbooks/en/developing/embed/README.md

注意事项

• 项目处于 early beta，正在活跃开发中，功能可能不够完善。
• 使用桌面版的浏览器 / 桌面控制能力时，Agent 会真实操作你的应用；官方说明其在支付前会停止，但涉及敏感操作仍建议留意。
• 以上性能数字均来自官方基准测试，实际表现会随模型、任务和机器而异。

---

本作品整理自 GitHub 开源项目 tinyhumansai/openhuman，原作者 @tinyhumansai，许可证 GPL-3.0。中文介绍由 AI 根据项目 README 整理，以原仓库为准。