2026 年 Agent 圈有个说法：「龙虾当先」（OpenClaw 网关与技能栈）——你花大量时间配 Skill、写 Prompt、拉工作流，AI 才会「像工程师」；关掉会话，跨周的决策理由仍要重讲一遍。紧接着 OpenHuman 在 GitHub Trending 上再度刷屏：口号变成「不用你教，20 分钟一轮同步，把你的一切写进本地知识库」。
这不是又一篇 Star 数科普。本文聚焦「连 — 抓 — 记」三步：如何在 Early Beta 前提下，用最小权限接 Gmail、GitHub、日历等源，让记忆树（SQLite + 可导出 Obsidian Markdown）真的服务于「懂你」，而不是多一个吃 Token 的黑盒。若你还没读过项目定位，可先对照本站《GitHub 爆火的 OpenHuman，到底是什么？》。
1. 「虾马」解决了什么，又留下了什么？
社区把「虾马」当作 Agent 1.5 代的缩影，并非两家公司的注册商标，而是两种你仍在「教」AI 的路线：
- 「虾」侧（集成型）：像 OpenClaw 网关 + ClawHub 技能——强项是 Webhook、Cron、多通道消息，但要自己装技能、跑 doctor、守权限。
- 「马」侧（流程型）：像 mattpocock/skills——用
/grill-me、/tdd把工程纪律写进对话，但 CONTEXT.md 与仓库规则仍要你维护。
共同点：跨 Gmail、GitHub、Notion、日历的个人上下文不会自动汇聚；关掉 IDE，上周的「为什么选方案 B」仍要靠人复述。Andrej Karpathy 在 2026 年强调的「个人知识库」路径——把笔记、邮件、代码决策沉淀成可检索 Markdown——在虾马体系里往往仍是手工活。
OpenHuman 的叙事则是：把 Karpathy 式知识库做成后台流水线。官方文档与社区评测描述的核心循环是：OAuth 连接 → 约每 20 分钟增量同步 → 清洗压缩进「记忆树」→ 对话时按任务路由模型并检索片段。Star 数请以 GitHub 实时为准；仓库标注 Early Beta，下文步骤以 官方 GitBook 当前版本为准。
2. 技术背景：记忆树与「Karpathy 式」知识库
OpenHuman 不是简单 RAG 套壳。公开材料里，长期记忆大致分三层（名称以文档为准）：
- 来源树：按连接器（Gmail、GitHub 等）归档原始增量。
- 主题树：按项目、人物、时间线做摘要与关联。
- 全局树：跨主题的高层索引，供 Agent 规划「该查哪条枝」。
存储上，权威数据在本地 SQLite；同时导出兼容 Obsidian 的 .md 片段（社区称单段约 ≤3000 Token），便于你用双链笔记人工纠偏。对话前，TokenJuice 一类压缩会把相关片段压进上下文，减轻「把整库聊天记录塞进 Prompt」的成本——具体节省比例随任务变化，勿当成固定 80% 承诺。
模型侧，Model Routing 按任务选推理/快速/视觉模型；也可接 本机 Ollama / MLX 做离线推理。这与「虾马」层只解决编排与纪律、不解决个人级全源记忆形成清晰分工。
3. 对比：虾马路线 vs OpenHuman「连—抓—记」
| 维度 | 虾马（Skill / 网关 / Rules） | OpenHuman |
|---|---|---|
| 谁在维护「懂我」 | 你写 Prompt、Skill、CONTEXT.md | 后台同步 + 记忆树索引（你可审 Obsidian 导出） |
| 接第三方服务 | 逐平台配 Key / Webhook | 文档称 118+ 服务 OAuth（以控制台列表为准） |
| 刷新节奏 | 手动或自建 Cron | 默认约 20 分钟轮询已连接账户 |
| 跨周协作 | 依赖仓库文档与持久记忆设计 | 强调跨会话检索个人上下文 |
| 典型代价 | 运维网关、技能版本、权限 | Beta 稳定性、GPL-3.0、连接器权限审计 |
一句话：虾马让你当教练；OpenHuman 试图当「持续读你日记的助教」——助教仍可能记错，所以 SQLite + Markdown 双份落地是为了让你能查、能改、能删。
4. 工作流：20 分钟周期内你能做完什么
「20 分钟」指同步周期，不是「安装后 1200 秒立刻全知」。下面是一条可复现的首次上手路径（UI 文案随版本变，逻辑不变）：
4.1 连：最小连接器集
从 Releases 安装桌面端后，不要一次 OAuth 118 个。建议首批只接：
- 一个邮箱（工作 Gmail 或别名邮箱二选一）；
- 一个代码源（GitHub 个人账号或单一 Org）；
- 一个日程（Google / Outlook 其一）；
- 可选：Notion 或 Drive 之一，避免重复文档源。
每接一个源，在纸上记：只读还是可写、能否撤销、是否含客户 PII。企业邮箱请先过安全评审。
4.2 抓：等待至少 1～2 个同步周期
连接成功后，后台会按默认间隔（社区与评测多写约 20 分钟）拉取增量：新邮件主题、提交记录、日程变更等。此阶段你应做：
- 在应用内查看「上次同步时间」与失败连接器；
- 确认磁盘占用增长是否符合预期（索引 + 导出 md）；
- 勿用「它怎么还不知道我昨天会议说了啥」来评判——第一轮只验证管道是否通。
4.3 记：验收记忆树与 Obsidian 导出
打开 Obsidian 库路径（安装向导或设置里查看），抽查 3～5 个自动生成的 md：
- 标题是否对应真实事件（例如某次 PR、某封邮件线程）；
- 是否误把促销邮件当成「项目决策」；
- 敏感 token、密钥是否被写进正文——若有，立即断开该连接器并提 Issue。
然后在 OpenHuman 里问一个需要跨源推理的问题，例如：「本周我在仓库 X 的提交，和日历里与 Y 的会议是否相关？」对照回答里的引用片段是否来自正确 md。
4.4 与虾马组件并联（推荐拓扑）
[Gmail/GitHub/日历 …] --OAuth--> OpenHuman 记忆树 (SQLite + .md)
|
v
模型路由 (云端 / Ollama / MLX)
^
[Cursor + mattpocock/skills] ----写代码----+
[OpenClaw 网关] ----IM/Webhook/Cron--------+避免让 Skills 的 CONTEXT.md 与 OpenHuman 导出目录各写一套「项目真相」而不同步。实践上：个人生活与跨工具上下文交给 OpenHuman；仓库内工程决策仍以 Git tracked 的 CONTEXT.md / ADR 为准。
4.5 何时停手或回退
- 检索经常「张冠李戴」，且 Obsidian 里摘要质量差——先减连接器，而非加模型。
- 你需要 GPL 之外的商业闭源分发——法务不通过则不要深度集成。
- 只想 24×7 跑 Telegram 机器人——优先 OpenClaw 远程 Mac 部署实操，不是 OpenHuman 主场景。
5. 常见问题
「20 分钟封神」是不是营销夸张？
更准确的说法是：20 分钟一轮自动同步。真正「懂你」取决于连接源数量、历史数据量与你是否愿意审阅导出笔记。把它当「可审计的个人 ETL」，比当「读心术」更不容易失望。
和 Karpathy 手工知识库冲突吗？
不冲突。OpenHuman 自动化的是「从 SaaS 拉事实」；你仍应在 Obsidian 里写判断、优先级与 ADR 式结论。机器记「发生了什么」，人记「我们选择了什么」。
Token 账单会爆吗？
路由 + 压缩旨在只送相关片段；但若你接太多高频源（群聊、监控告警），索引体积与检索次数都会涨。先用最小连接器跑一周，再看账单与磁盘。
6. 算力放哪：笔记本、台式与远程 Mac
记忆树与索引主要在本地磁盘；大模型推理可留在本机 Apple Silicon，也可把 Ollama/MLX 指到高内存远程 Mac，让笔记本只跑 OpenHuman UI。24×7 同步 + 网关场景下，独占 macOS 节点能减少合盖休眠导致的同步中断——这与 Macstripe 读者常用的「Agent 在云上、数据出口可控」拓扑一致。
若你下一步要评估独享 M4 Mac Mini 承载 OpenHuman 与 OpenClaw，可到Macstripe 首页查看节点与开通方式。
7. 结论
虾马时代证明了：工程师愿意教 AI，但不想重复教同一件事。OpenHuman 的「封神」叙事，实质是把 Karpathy 式个人知识库从手工笔记变成可轮询、可压缩、可导出审阅的本地流水线——「连—抓—记」三步，20 分钟是节奏，不是魔法。
- 先最小 OAuth，等 1～2 个周期再测检索质量。
- 用 Obsidian 导出当「记忆体检表」，错了就删源或改权限。
- 与 Skills / OpenClaw 分工：个人上下文 vs 仓库纪律 vs 消息网关。
Early Beta 务必当审计项目，而非生产秘书。更多 OpenHuman 架构解读见《GitHub 爆火的 OpenHuman，到底是什么？》；跨周记忆方法论见《Cursor 为什么总「失忆」？》。
