Ya lo vimos antes. Llega una herramienta nueva, promete cambiar cómo trabajamos, y termina siendo otra pestaña que dejamos abierta y casi nunca usamos. El cementerio de “asistentes de IA” ya está bastante concurrido.
OpenHuman podría ser diferente — no por el marketing, sino por una decisión que está incorporada en su arquitectura desde el día uno: el agente debería conocerte antes de que le preguntes cualquier cosa.
El Problema del Contexto Frío
Todos los modelos de IA del mundo comparten la misma limitación fundamental: son stateless. Escribís un prompt, obtenés una respuesta, el contexto se evapora. Incluso los que publicitan “memoria” guardan un puñado de bullets — un papelito adhesivo, no inteligencia.
Hermes Agent resuelve esto observando cómo trabajás. OpenClaw lo resuelve esperando que los plugins traigan contexto. Ambos enfoques requieren días o semanas antes de que el agente tenga suficiente información sobre tu stack para ser genuinamente útil.
OpenHuman toma otro camino. Conectás tus cuentas, y en un solo ciclo de sincronización el agente ya tiene contexto comprimido de tu bandeja de entrada, tu calendario, tus repos, tus docs, tus mensajes. No resúmenes de tus conversaciones con la IA — resúmenes de tu vida real.
Qué Hace OpenHuman
La arquitectura está construida alrededor de tres ideas:
Memory Tree. Cada fuente que conectás — Gmail, Slack, GitHub, Notion, tus propias notas — pasa por un pipeline determinístico: Markdown canónico, chunks de hasta 3.000 tokens, puntuados y comprimidos en árboles de resumen por fuente / por tema / por día. Almacenados en SQLite en tu máquina. El output es un wiki estilo Obsidian de archivos Markdown que podés abrir, navegar y editar manualmente. El agente toma tus ediciones en el próximo ingest.
Loop de auto-fetch. Cada veinte minutos, OpenHuman extrae datos frescos de cada conexión activa y los incorpora al Memory Tree sin que tengas que pedírselo. Te levantás a la mañana y el agente ya tiene el hilo de Slack de anoche, el email de esta mañana y el diff del último commit de ayer.
TokenJuice. Compresión inteligente de tokens que compacta el output verboso de herramientas antes de que entre al contexto del modelo. El proyecto afirma que barrer los últimos seis meses de email cuesta unos pocos dólares. Para desarrolladores en Latinoamérica que administran presupuestos de API con cuidado, esto importa.
Más allá de la memoria, el toolbelt es sustancial: búsqueda web, un scraper, un set completo de herramientas para código (filesystem, git, lint, test, grep), control de navegador y computadora, cron y scheduling, coordinación de agentes para lanzar sub-agentes, y voz nativa — push-to-talk de entrada, TTS de salida, lip-sync de la mascota.
La mascota merece una mención aparte. No es un adorno. El agente tiene cara: un personaje animado en el escritorio que habla, reacciona contextualmente, se une a tus llamadas de Google Meet como participante visible, y sigue procesando en segundo plano cuando dejás de escribir. El “Subconscious Loop” le permite trabajar en tareas pendientes mientras estás ocupado con otra cosa.
El stack detrás de todo esto: Rust + Tauri, GNU GPL3, multiplataforma (macOS, Windows, Linux). Agnóstico al modelo — el ruteo automático manda las tareas de razonamiento a modelos frontier, las rápidas a modelos baratos, las de visión a modelos de visión. IA local opcional via Ollama mantiene embeddings y summarización on-device para quienes priorizan privacidad.
Versión actual: v0.53.43, con 5.600 GitHub stars y 460 forks.
Instalación
El camino más rápido es el script de instalación.
macOS / 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
También podés descargar el DMG o EXE directamente desde tinyhumans.ai/openhuman.
Via Homebrew (macOS/Linux):
brew install tinyhumansai/openhuman/openhuman
Via apt (Debian/Ubuntu):
sudo apt-get install -y gnupg2 curl ca-certificates
curl -fsSL https://tinyhumansai.github.io/openhuman/apt/KEY.gpg \
| sudo gpg --dearmor -o /etc/apt/keyrings/openhuman.gpg
# luego agregás el repo y hacés apt-get install openhuman
Mínimo de hardware: 4 GB de RAM. Si pensás correr un modelo local en la misma máquina o ingerir bandejas de correo grandes, 16 GB es el piso práctico.
Primera Ejecución
Al primer lanzamiento vas a ver “Sign in! Let’s Cook.” Hay opciones de login social. No se requiere terminal.
La app va a pedir permisos del sistema operativo: Accessibility en macOS, Input Monitoring para el hotkey de voz, Cámara/Micrófono si pensás usar el Meeting Agent. Podés revisar y ajustar todo esto en cualquier momento desde Settings → Automation & Channels.
Una vez que conectás Gmail (o cualquier otra fuente), el primer tick de auto-fetch ocurre dentro de los primeros veinte minutos. Después de ese primer ciclo, probá algo como: “Resumime qué pasó en mi bandeja esta semana” o “¿Cuáles fueron las últimas tres cosas que commiteé?”
La pestaña Memory tiene un botón “View vault in Obsidian”. Abrilo para navegar los árboles de resumen del agente, agregar tus propias notas y construir links manuales — el agente los incorpora en el próximo ingest.
Lo Que Hay Que Tener en Cuenta
OpenHuman está en beta temprana. El proyecto se mueve rápido — la v0.53.43 salió ayer — lo que significa que la experiencia todavía tiene asperezas. Algunos puntos honestos que vale la pena marcar:
- Soberanía del dato: El auto-fetch trae tu email, Slack, GitHub y Notion a tu máquina localmente, que es exactamente el objetivo — pero eso también significa que le estás dando acceso OAuth a una app de escritorio. Revisá bien qué conectás.
- Los costos de API son reales: TokenJuice abarata los barridos, pero seguís pegando a modelos frontier para las tareas de razonamiento. Para equipos con presupuestos de API ajustados, la configuración de ruteo automático merece atención antes de conectar una bandeja grande.
- Estabilidad beta: Con más de 1.600 pull requests mergeados en las últimas semanas, el codebase está evolucionando rápido. Esperá bordes rugosos.
Ninguno de estos puntos es descalificante. Son el contexto honesto que un desarrollador senior necesita antes de decidir si conecta su bandeja de entrada a un nuevo proyecto open source.
El Panorama General
Las herramientas que cubrimos antes — Hermes, OpenClaw, la memoria nativa de Claude Code — cada una resuelve una parte del problema del contexto persistente. Lo que OpenHuman intenta es más ambicioso: una capa de agente que vive en la intersección de tus datos, tus herramientas y tus workflows, sin necesitar un intermediario en la nube que lo sostenga todo.
Si va a cumplir esa promesa con calidad de producción es todavía una pregunta abierta. Lo que no está en duda es que la arquitectura es sólida y el problema que resuelve es real. Cinco mil desarrolladores le dieron una star al repo esta semana. Eso es una señal que vale la pena atender.