2026 年 5 月，OpenHuman（tinyhumansai/openhuman，GPL-3）在 GitHub 上已是數萬 star 級的開源桌面 Agent——主儲存庫 2026 年 2 月才公開，這成長曲線足以稱現象。社群討論常把它與 OpenClaw 並列，但值得深入拆解的不只是 star 曲線，而是產品敘事裏清晰的貫穿線：從單體 Agent 到可組合 Skills。OpenHuman 把 Gmail、Notion、GitHub 等拆成可安裝的 SKILL.md 單元，用 Memory Tree 與 auto-fetch 餵上下文，並在每一輪對話透過 prompt injection 寫入指令——與 2026 年 Personal AI 與開源 Agent 堆疊收斂的方向一致。
1. GitHub 上的「現象」：數字到底代表什麼
Star 會漲會跌，把它當 KPI 崇拜很傻。但 OpenHuman 的成長曲線確實異常陡峭。截至 2026 年 5 月，主儲存庫落在約 2 萬 star 區間，2k+ fork、100+ 貢獻者，發佈節奏活躍（例如 v0.54.x）。相較其他 Personal AI / 桌面 Agent，它同時踩中四個「star 放大器」：
- 時機 — 2026 年初，Agent hype 從 demo 轉向「我能不能裝在自己機器上？」
- 形態 — Tauri + Rust 桌面，數分鐘 onboarding；比純 CLI 閘道更貼近知識工作者。
- 敘事 — 「Personal AI 超級智慧」加上本機 Memory Tree，直指 ChatGPT 式對話失憶（見 Personal AI 正在取代 ChatGPT）。
- 授權 — GPL-3，可審計、易 fork；在資料託管焦慮下，local-first 加分。
2. 從 Agent 到 Skill：2026 年可擴展性的主流答案
早期 Agent 常是「一個大模型 + 寫死的工具」。每接一個 SaaS 就要改核心、發版、做安全審查。2025–2026 年社群標準化為 Skill 作為邊界——能力封裝成可發現、可安裝、可版本化的單元；核心只負責排程與持有上下文。
幾種方言並存：
- Claude Code / Cursor — MCP server 加專案規則檔。
- OpenClaw — 閘道 Skills 與渠道外掛，由
SKILL.md驅動。 - OpenHuman — 獨立的 openhuman-skills 儲存庫，加上桌面 Skill 目錄與 prompt injection。
共通點：靠新增目錄條目擴展，而不是 fork 核心。分歧在 Skill 是純指令注入，還是沙箱內可執行套件——OpenHuman 2026 上半年正是從後者痛苦遷移到前者，讀懂這段轉折是理解其 GitHub 熱度的關鍵。簡短口訣：Memory 回答「你是誰？」Skills 回答「你能叫什麼？」——正交兩層，彼此放大。
3. OpenHuman Skill 架構：SKILL.md 與 prompt injection
依主儲存庫 2026 年 4 月合併的 feat(skills): agentic loop wiring for SKILL.md bodies 及相關工作，Skill 路徑今日大致如下：
3.1 發現與安裝
桌面 App 維護已安裝 Skill 目錄；預設目錄可指向 GitHub openhuman-skills（開發時可用 VITE_SKILLS_GITHUB_REPO 覆寫）。使用者也可從 HTTPS URL 安裝單一 .md（有大小與 scheme 限制——請查當前原始碼）。
本機開發時，把 Skills 指向你 fork 的 registry：
# 桌面開發環境（範例；欄位名稱隨版本可能不同）
export VITE_SKILLS_GITHUB_REPO="your-org/openhuman-skills"
# 從 HTTPS 安裝單一 Skill（僅 .md、僅 HTTPS）
# 安裝器會驗證 scheme、路徑副檔名與 body 大小上限3.2 匹配與注入
每次使用者回合，Agent 會：
- 將「可用 Skills」清單（名稱 + 描述）渲染進 system prompt；
- 透過明確
@mention或關鍵字/tag 啟發式匹配 Skills； - 讀取匹配到的
SKILL.mdbody，以[SKILL:name]區塊注入； - 強制每回合約 8 KiB 總注入上限——實務上的 token 預算。
社群作者通常這樣結構化 SKILL.md（YAML frontmatter + Markdown 指令）：
---
name: gmail
description: Read and draft Gmail, using mail summaries in Memory Tree
tags: [email, google, productivity]
trust: user
---
# Gmail Skill
使用者提到郵件、收件匣或待跟進時：
1. 查 Memory Tree 過去 48 小時的 mail chunk
2. 僅在需要全文時呼叫 gmail.read_thread
3. 草稿寫入本機 vault；僅在使用者確認後才寄出
未經確認不得呼叫 gmail.send回合內注入形狀（示意，非完整 prompt）：
## Available Skills
- gmail — 讀取與撰寫 Gmail…
- notion — Notion 頁面與資料庫…
[SKILL:gmail]
(SKILL.md body；總注入位元組 ≤ 8192)3.3 與舊 QuickJS runtime 脫鉤
早期版本在 QuickJS 沙箱執行 Skill 套件；2026 年中 roadmap 移除了該 runtime。Skills 今日偏向 metadata 目錄 + 指令注入，而非第三方可執行外掛——貢獻者仍在 openhuman-skills 維護 Notion、Gmail 等，但載入行為請依當前 release notes。
4. Memory Tree + auto-fetch：Skills 能發揮作用的先決條件
光有 Skill 清單仍會變成「有工具卻不認識你」。OpenHuman 另一條腿是持續記憶流水線（與 Skills 正交，但彼此放大）：
- 118+ 整合（文件用語；隨版本而異）— OAuth 接入 Gmail、GitHub、Slack、Linear 等，暴露為 typed tools。
- Auto-fetch — 約每 20 分鐘，活躍連線器拉新資料到 Memory Tree（SQLite + 可讀 Markdown chunk）。
- Obsidian 相容層 — 同一份記憶可落入你可審計、可編輯的 vault——Skills 呼叫 tools；Memory Tree 回答「這使用者昨天在做什麼？」
這是 OpenHuman 常勝過「只做閘道」Agent 之處：Skills 界定能力邊界；Memory Tree 界定個人上下文深度。只裝 Skills 不連資料源，體驗很快變薄——不是 bug，是架構假設。
可選：與 Claude Code / Cursor 共用 agentmemory 後端（路徑與欄位依 release 文件）：
# config.toml 摘錄（示意）
[memory]
backend = "agentmemory" # 預設本機 Memory Tree；可切換自託管 agentmemory
[memory.agentmemory]
endpoint = "http://127.0.0.1:8765"
namespace = "personal"資料流一行話：OAuth → auto-fetch 進 Memory Tree → 使用者回合觸發 Skill 匹配 → 注入 SKILL.md body（≤8 KiB）。
5. openhuman-skills 生態與社群飛輪
主儲存庫 star 飆升，很大程度靠獨立 Skills 儲存庫降低貢獻門檻：
- 核心 Skills（
gmail、notion、參考server-ping）在openhuman-skills/src/core/； - 貢獻者改 Skills、跑驗證腳本、開 PR——不必 fork 整個 Tauri App；
- 使用者感知是 App Store 式安裝，而不是「clone monorepo 編譯三天」。
與 Homebrew formula 或 VS Code 擴充同一套飛輪：穩定核心、快速生態。GitHub「現象」常來自「一週內有人能幫我加整合嗎？」——OpenHuman 把它拆成公開儲存庫加文件化的 SKILL.md 慣例。
典型 openhuman-skills 目錄（簡化）：
openhuman-skills/
├── src/core/
│ ├── gmail/ # Gmail OAuth + tools
│ ├── notion/ # Notion integration
│ └── server-ping/ # reference / health-check Skill
├── docs/
│ └── SKILL_AUTHORING.md
└── scripts/
└── validate-skills.sh貢獻者迴圈：改 Skill → validate → PR 到 registry；桌面拉目錄——主 openhuman 儲存庫不必為每個 SaaS 發版。
6. 對照：OpenHuman Skills vs OpenClaw SKILL.md
| 維度 | OpenHuman Skill | OpenClaw Skill |
|---|---|---|
| 預設 runtime | 本機桌面（Tauri） | 本機或雲端閘道程序 |
| 核心 KPI | 個人上下文 + 桌面 copilot | 7×24 渠道觸達、對外 Bot |
| Skill 形態（2026 年中） | 目錄 + SKILL.md 注入 | SKILL.md + 閘道工具鏈 |
| 記憶 | 內建 Memory Tree / Obsidian | Session + 自建儲存，維運成本高 |
| 典型使用者 | 「記住關於我的一切」 | 「在 Telegram 找到我的 Bot」 |
非零和。成熟團隊常筆電跑 OpenHuman 做記憶與 Skill 實驗，雲端 Mac 跑 OpenClaw 做 Telegram/Discord 長連線——見 OpenHuman vs OpenClaw 對照。
7. 誰該現在裝？誰該再等等？
今日適配：
- 產品與工程人員，想親手驗證 Personal AI / Skill injection 模式；
- Obsidian + Markdown 工作流，願意 auto-fetch Gmail/GitHub；
- Apple Silicon Mac 使用者，規劃 Ollama/MLX 本機推理；
- 準備貢獻
openhuman-skills整合、需要真實桌面試跑的人。
再等等或降低期望：
- 生產自動化需要可執行第三方 Skill 沙箱（今日：prompt injection 優先）；
- 多渠道支援、對外 SLA、WhatsApp 群 Bot——OpenClaw 類閘道優先；
- 零 OAuth、零連線器，卻期待全知——Memory Tree 不會憑空出現；
- 企業嵌入需要已發布審計與商業 SLA——仍是 Beta 能量。
8. 邊界與常見錯誤
8.1 硬邊界（寫進選型文件）
- Skill runtime 變動中 — 勿依 QuickJS 外掛時代的教學部署；跟當前 release + GitBook。
- 注入上限 — 每回合 Skill body 約 8 KiB、每次資源讀取約 128 KiB（原始碼常數；可能變更）——長 SOP 要拆分或外置文件。
- 118+ 來源 ≠ 你的都有 — 核對你的堆疊；缺整合意味自訂 Skills 或等社群。
- GPL-3 — 易 fork；商業 OEM 需法務審 copyleft 範圍。
8.2 常見誤解
- Star 代表「ChatGPT Enterprise 替代品」——它是個人上下文 OS，不是通用 SaaS。
- 裝完 Skills 就自動跑 cron——許多 Skills 今日是指令層；排程仍靠 Agent 回合與既有 tools。
- 只調 Skill 清單、忽略 Memory Tree——沒有 auto-fetch，Personal AI 敘事就塌了。
- OpenClaw 或 OpenHuman 二選一——power user 通常是Skills + 記憶本地，閘道 + 渠道在雲。
9. 結論：現象 = Agent 核心 + Skill 生態 + 本機記憶
OpenHuman 在 GitHub 走紅，不是因為 flashy demo——它同時押中 2026 三個賭注：桌面 Agent 回歸、可組合 Skills、可審計本機記憶。Agent→Skill 遷移讓它像 npm 時代的 Node——核心精瘦，能力靠社群目錄成長；Memory Tree 確保 Skills 不是在真空裏打 API，而是服務持續更新的「你」。
Personal AI 更長弧線（不只 Skill 機制），見 OpenHuman 與 Personal AI 浪潮；對外 Bot 與常駐硬體，續看 OpenClaw 閘道與雲端 Mac 部署指南。
延伸閱讀： OpenHuman 與 Personal AI 浪潮、OpenHuman 與 OpenClaw 對比、OpenClaw 閘道常駐與雲 Mac
10. Skills 本地、閘道在雲：Mac 分工
OpenHuman Skills 與 Memory Tree 適合放在你的筆電或桌面 Mac；OpenClaw 的 Telegram/Discord 長連線、Cron 與渠道密鑰更適合常駐 Mac mini。Apple Silicon 可疊 Ollama 做推理，雲端閘道處理訊息——Skill 架構沒有消滅「總得有東西 7×24 醒著」，只是把這份工作從 Personal AI 控制台拆出去。
vpszap 雲端 Mac mini 提供獨享硬體、約五分鐘開通、SSH/VNC、多區域節點、按天/週/月/季租用且無長約——本機 OpenHuman + 雲端 OpenClaw，不必為閘道單獨買第二台實體 Mac。
