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

早期测试版。 OpenHuman 仍在积极开发中，难免有不完善的地方。

最简单的方式是从 tinyhumans.ai/openhuman 或 最新发布页 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：

# macOS and 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。

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。

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。

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。

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，任何人都可以重新运行。最新一次运行是 swe-x86-1，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。

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。

从快速上手或指南开始吧。

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。

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、嵌入指南和开发者文档。

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：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。

请阅读 CONTRIBUTING.md，或者用这段提示词让 AI 编码智能体带你上手。

1. 安装 Git、Node.js 24+、pnpm 10.10.0、Rust 1.99.1（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、AGENTS.md和 crates 概览。OpenHuman 的许多部分位于 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 上获得特别权限。