OpenHuman 深度评测：在本地跑一个私人 AI 超级智能，到底靠不靠谱

说实话，第一次看到 OpenHuman 这个项目的时候，我是有点怀疑的。

“Your Personal AI super intelligence”——这个描述也太敢写了吧。但 23,954 个 star、今天一天涨了 3,394 个 star，加上最近确实在找能本地跑的 AI 助手方案，还是决定花一个下午试试看。

OpenHuman 是什么

OpenHuman 是一个用 Rust 写的本地 AI 助手，核心卖点是隐私优先 + 本地运行。它不是一个聊天的 UI 壳，而是一个完整的 agent 框架——能自己规划任务、调用工具、执行多步操作。

开源协议是 GPL-3.0，目前 23.9K star，2.1K fork，158 个 open issue。官网在 tinyhumans.ai/openhuman。

安装和上手

安装不算复杂，但我踩了几个坑。

git clone https://github.com/tinyhumansai/openhuman.git
cd openhuman
cargo build --release

编译时间有点长，我的机器（M2 Pro / 32G）大概跑了 15 分钟。中间有两个依赖下载失败，换了个镜像源才过去。如果你是 Windows 用户可能更折腾一些，Linux 上应该最顺畅。

启动之后是一个本地 Web UI，默认跑在 localhost:8080。界面做得很简洁——甚至可以说有点简陋。但这其实是我喜欢的那种风格，没有花里胡哨的东西。

核心功能

本地 Agent 引擎

这是 OpenHuman 最核心的部分。你给它一个任务，它会自己拆解、规划步骤、然后一步步执行。比如我让它帮我整理 Downloads 文件夹里的 PDF，按日期分类，它真的自己去读文件名、解析日期、创建文件夹、移动文件。

中间还停了一下问我：有几个文件没有日期信息，要怎么处理？这个交互让我挺意外的，说明它不是那种闷头执行然后搞砸的类型。

工具调用

内置了文件操作、shell 命令、网页搜索这些基础工具。可以自己扩展，文档里有写怎么加自定义 tool——但说实话这部分文档不太够。

多模型支持

支持接入 OpenAI API、Claude API，也可以用 Ollama 跑本地模型。我用的是本地 Qwen 3 模型，响应速度还行，大概 2-3 秒开始出内容。当然，用 API 的话响应会更快更稳定。

好用的地方

• 隐私确实到位。所有数据都在本地，断网也能用。这点对我是刚需。
• Rust 写的性能不错。启动后内存占用大概 200MB 左右，比某些 Electron 套壳方案好太多了。
• Agent 能力比想象中强。任务规划和工具调用的衔接做得挺顺的，不是那种 demo 级别的玩具。
• 社区活跃。GitHub issues 里问问题的基本当天就有回复，这在开源项目里算很难得了。

不太行的地方

说几个实际用起来不爽的点：

• 文档还比较粗糙。README 写得很炫，但真正想深入了解的时候发现很多细节没写。自定义 tool 的文档就一页，例子也不够，照着来都跑不通。
• 错误处理有待加强。有几次 agent 执行到一半卡住了，没有任何报错，就是不动。只能重启。这在自动化场景里是个大问题。
• 158 个 open issue。虽然社区活跃是好事，但 issue 数也说明还不够稳定。
• 只支持英文。界面和文档都没有中文，对国内用户不太友好。
• 编译时间太长。每次更新都要重新编译，15 分钟起步。没有提供预编译二进制是个遗憾。

跟其他方案对比

跟 Open Interpreter 比：OpenHuman 的 agent 能力更强，能处理更复杂的多步任务，但 Open Interpreter 安装和上手简单很多。

跟 Claude Code 比：定位不一样。Claude Code 是编程助手，OpenHuman 是通用 agent。如果你只是写代码，Claude Code 更好用；如果你想要一个能帮你干各种杂活的本地助手，OpenHuman 更合适。

适合谁用

适合：对隐私敏感、不想数据上云的开发者；想折腾本地 AI agent 的极客；需要一个能执行多步自动化任务的人。

不太适合：追求开箱即用的普通用户；机器配置不够的（编译需要至少 8G 内存）；对中文支持有刚需的团队。

总结

OpenHuman 是个很有野心的项目，私人 AI 超级智能这个愿景我也挺喜欢的。但目前它还处在比较早期的阶段——功能框架搭好了，细节还需要打磨。

如果你愿意折腾，它能给你不少惊喜。如果你想要一个稳定省心的方案，可能再等几个月更合适。

我给它的评价是：方向对了，值得关注，但先别急着当主力用。