OpenHumanは、TinyHumansが2026年5月にベータ版としてリリースした、ローカル優先型のオープンソースデスクトップAIエージェントです。RustとTauri v2で構築されたネイティブバイナリで、macOS、Windows、Linuxで動作します。ユーザーのメール、メッセンジャー、ノート、カレンダーデータをローカルSQLiteとObsidian互換のマークダウンボルト（~/.openhuman/wiki/）に蓄積し、長期記憶を形成します。Obsidianがマークダウンファイルベースで個人の知識管理を革新したように、OpenHumanはAIエージェントに長期記憶という次元を加え、使用すればするほどユーザーを深く理解するパーソナルAIランタイムを目指します。リリースから15日で、GitHubで32,000以上のスターを獲得し、Product Huntのデイリー/ウィークリーで同時に1位を獲得しました。 従来のAIエージェントは、2つの構造的な限界を抱えています。ChatGPTやGeminiのようなクラウドサービスは、セッションベースで動作するため、会話が終わるとコンテキストを失い、機密性の高い研究データが外部サーバーに送信されます。一方、OllamaやLM StudioのようなローカルLLMソリューションは、プライバシーを保護しますが、外部サービスとの連携や体系的なメモリ管理機能がありません。OpenHumanは、Memory Treeアーキテクチャでこのギャップを解消します。ソースアダプターがGmail、Notion、Slackから20分周期（TICKSECONDS=1200）でデータを自動収集し、3,000トークン以下のチャンクに正規化した後、ソース別、トピック別、日次ダイジェストの3つのツリー構造で整理します。各リーフノードは、pendingextractionからadmitted、buffered、sealedへとライフサイクルを経て、深さスコア（deep score）に応じて昇格または破棄されます。TokenJuice圧縮エンジンは、ツールの出力のトークンを約70%削減し、APIコストを大幅に削減し、モデルルーティングシステムがタスクの種類別のヒント（hint:reasoning、hint:fast、hint:vision、hint:codeなど）に基づいて、30以上のLLMプロバイダーの中から最適なモデルを自動的に選択します。118以上のサービスに対して、Composioコネクターを介したOAuthによるワンクリック連携が可能であり、v0.54.0からは、agentmemoryバックエンドを通じて、Claude Code、Cursor、Codexなどの他のAIコーディングツールとメモリを共有できます。 生命科学の研究者の視点から見ると、OpenHumanは研究ワークフローのハブとして機能できます。論文レビューの過程でGmailで受信したジャーナル通知、Notionに整理した読書ノート、Slackのラボチャンネルでの議論の内容がMemory Treeに自動的に蓄積されるため、「過去1か月間にCRISPRデリバリーに関連する論文で繰り返し言及されたキーワードをまとめて」といった質問に対して、コンテキストに沿った回答を即座に得ることができます。組み込みのコーダーツールセット（filesystem、git、lint、test、grep）を使用すると、Python分析スクリプトのデバッグやパイプラインの自動化を自然言語で指示でき、音声入力（Whisper経由のSTT）と音声出力（Piper経由のTTS）をサポートしているため、ウェットラボのベンチで手が離せない状況でもエージェントと対話できます。ローカルAIモードを有効にすると、Gemma3 1Bモデルとall-minilm埋め込みモデルがオフライン環境でも要約と検索を実行するため、セキュリティが厳格な臨床データ環境でもプライバシーを完全に保護しながら運用できます。

ローカル優先のオープンソースデスクトップAIエージェント — プライバシーを重視した設計

研究文献ナレッジハブ: Gmailのジャーナル通知、Notionの読書ノート、Slackのラボディスカッションを、20分ごとにMemory Treeに自動的に蓄積。例えば、「今四半期のscRNA-seq関連のディスカッションで繰り返し言及されたツールを整理して」といった質問に対し、ソースごと、時間ごとに重み付けされたコンテキストに基づいた回答を生成。手動での文献整理と比較して、週に数時間節約。