OpenHuman: 상담사보다 더 잘 아는 오픈소스 AI

제목의 「상담사」는 수사이지 의료 약속이 아닙니다——그러나 그 뒤에 진짜 pain point가 있습니다: 대부분의 AI 채팅 제품은 당신의 「삶 속 당신」을 모릅니다. 대화창에서 「간결한 답변 선호」를 기억해도, 지난주 Slack에서 공동창업자와 예산으로 다퉜고 Gmail에서 HR의 계약 갱신 메일을 받았고 캘린더에 운동 일정이 세 주 연속 비어 있다는 건 모릅니다. 오픈소스 OpenHuman(TinyHumans AI, GPL-3.0)은 다른 답을 시도합니다: 더 큰 컨텍스트 창이 아니라 연결된 디지털 생활에서 지속 ingest·로컬 압축·읽을 수 있는 저장의 Memory Tree. 2026년 5월 GitHub Star는 1.7만을 넘었고, 설치 직후 흔한 반응은 「이번 주 뭐 바쁜지 이미 아는 것 같다」입니다. 이 글은 순수 아키텍처가 아니라 「개인 컨텍스트」 관점에서 OpenHuman을 풀고, Apple Silicon 개발자가 Mac mini M4 Cloud Mac에서 7×24 돌리는 이유를 정리합니다.

ChatGPT가 「진짜 당신」을 기억 못하는 이유

ChatGPT Memory, Claude Projects, Gemini 개인화——모두 같은 일을 합니다: 채팅에서 직접 말한 선호를 system prompt나 사이드 DB에 씁니다. 유용하지만 구조적 한계가 있습니다:

• 출처 단일: 파일 @, 메일 붙여넣기 없이는 Slack 채널에서 무슨 일이 있었는지 모름;
• 기억 감사 불가: 클라우드 「무엇을 기억했는지」는 opaque bullet인 경우가 많고 폴더처럼 열어 확인하기 어려움;
• 시간 구조 없음: 「지난주 화요일 오후 Stripe webhook이 뭐라 했지」 같은 질문에 순수 유사도 RAG는 약함;
• 세션 경계: 계정 변경, 기록 삭제, 모델 교체 시 cold start.

주 1회 만나는 상담사도 적어도 두 세션 사이 지난번 핵심 사건을 기억하고 새 주제와 연결합니다——「당신을 안다」의 최소 bar입니다. 클라우드 채팅 AI Memory는 대부분 「메모지급」 선호에 머물고 「삶 전체」와는 한참 거리가 있습니다.

OpenHuman이란

OpenHuman은 TinyHumans의 로컬 우선 개인 AI Agent 데스크톱(Rust + Tauri + React). 공식 포지션은 「Personal AI super intelligence — private, simple, extremely powerful」. 터미널 우선 Agent 프레임워크와 달리:

• UI-first onboarding: 설치 후 몇 분 안에 Gmail / Slack / Notion 연결;
• Memory Tree + Obsidian Wiki: 이종 데이터를 ≤3k token Markdown 청크로 canonicalize, 로컬 SQLite + 읽을 수 있는 .md 미러;
• Auto-fetch: 약 20분마다 연결 소스에서 새 데이터 자동 pull, 매번 prompt 불필요;
• 전체 도구 체인: 웹 검색, 브라우저 제어, Cron, 멀티 Agent, 음성, Google Meet 참석 Agent(beta는 공식 GitBook 기준).

2026년 2월 공개 이후 반복 속도가 빠릅니다——커뮤니티 초점이 「또 하나의 Chat UI」에서 「개인 AI가 장기 기억을 가질 자격이 있는가」로 옮겨갔습니다.

「상담사보다 더 잘 안다」——성립하나?

세 층면에서 봅니다:

디지털 생활에서는 「더 잘 안다」가 맞을 수 있음

상담사는 회기 시간과 당신의 서사 선택에 제한됩니다. OpenHuman이 업무 메일, 팀 Slack, 개인 Notion에 연결되면 당신이 말하지 않아도 ingest할 수 있습니다:

• 프로젝트 deadline이 3일 당겨진 메일 스레드;
• #product 채널에서 특정 기능에 대한 부정적 피드백;
• 캘린더 1:1이 연속으로 꽉 차 이번 주 social load가 높다는 신호.

Memory Tree의 Source / Topic / Global 3층 요약(Memory OS 아키텍처 해설 참고)으로 Agent는 「이 고객과 최근 모든 교류 요약」「오늘 전체적으로 무슨 일」에 답할 수 있습니다——정보 폭에서의 강점입니다.

「이해받음」과 임상 판단은 대체 불가

상담사의 가치는 비판단적 presence, 정서 조절, 위기 식별, 윤리 경계, 치료 계획——Memory Tree 설계 목표가 아닙니다. OpenHuman 문서도 memory and doer이지 AGI·의료 제품이 아니라고 분명히 합니다. 「inbox를 더 잘 안다」를 「내면을 더 잘 안다」와 동일시하는 것은 카테고리 오류입니다.

더 공정한 비교 대상

OpenHuman vs 상담사보다 OpenHuman vs ChatGPT Memory vs 수동 Obsidian 인생 일지가 낫습니다——후자를 자동화하고 Agent에 전자가 못 가져오는 SaaS 컨텍스트를 붙이려는 시도입니다.

Memory Tree가 삶 전체를 어떻게 맞추는가

Memory Tree 문서에 따르면 새 데이터는 deterministic hot path: source adapters → canonicalize → chunker → SQLite + 디스크 .md → score → Source/Topic/Global 요약 트리 → retrieval(search / drill_down / topic / global / fetch).

「당신을 안다」에서 핵심은 fancy embedding이 아니라:

• Provenance(출처): 각 기억을 Gmail 스레드·Slack 메시지 ID까지 추적;
• Topic tree: 사람·프로젝트·repo 엔티티별 lazy load 요약——「이 동료가 최근 뭐라 했지」;
• Global digest: UTC 일별 전역 압축——「이번 주 전체 서사」;
• Obsidian 이중 쓰기: 공식 문서 「You can't trust a memory you can't read.」 Obsidian에서 md를 직접 고쳐 Agent 오해를 바로잡을 수 있습니다.

Auto-fetch와 「잠재의식式」 proactive recall

OpenHuman 문서의 Neocortex와 subconscious loop(잠재의식 루프)——Memory가 질문 시에만 passive retrieve하는 게 아니라 백그라운드 job이 score·seal 요약을 지속하고 적절한 때 insight를 surface. Auto-fetch와 맞물리면:

아침에 Agent를 열면 자는 8시간 동안 온 47통 메일과 3개 Slack 스레드를 이미 읽은 상태——매번 cold boot가 아니라 OS page cache.

「상담사가 지난번 말을 기억한다」와는 다릅니다: 기계적·전체 커버·감정 필터 없는 컨텍스트 동기화. 누락은 줄지만 대화에 인용되길 원치 않는 사적 ingest 위험도 있습니다——wiki 읽기·삭제, 어떤 소스를 연결할지는 사용자가 경계를 관리해야 합니다.

로컬 우선: 「당신을 안다」면 감사 가능해야

「잘 아는」 AI의 기억이 벤더 opaque 클라우드에 있으면 신뢰 비용이 큽니다. OpenHuman 기본 경로:

• ~/.openhuman/memory_tree/chunks.db — 로컬 SQLite;
• wiki/ — Obsidian 호환 Markdown, Git 버전 관리 가능(민감 정보 주의);
• 선택 agentmemory 백엔드로 Cursor, Codex와 recall 공유.

LLM 추론은 설정 모델에 따라 외부 API를 쓸 수 있지만 기억층은 기기에——업무 메일·고객 계약·건강 예약 ingest에는 전제 조건입니다.

ChatGPT Memory, Claude Projects와 비교

OpenHuman은 「더 똑똑한 모델」이 아니라 더 완전한 개인 컨텍스트 OS——모델은 Claude, GPT, 로컬 Ollama로 바꿔도 Memory Tree는 남습니다.

개발자 시각: Mac mini M4 Cloud Mac 상시 운영

개인 AI가 「계속 당신을 안다」면 Agent 호스트는 매밤 절전하면 안 됩니다. Cloud Mac을 고르는 흔한 세 유형:

• Windows / Linux 메인: Tauri + Ollama Metal embedding에 macOS 필요——Windows 원격 Xcode와 같은 논리;
• 7×24 Auto-fetch: 노트북 덮으면 sync 끊김; 전용 M4 SSH + VNC 상시;
• 대용량 wiki: chunks.db + Obsidian + 모델 캐시 급성장——M4 스토리지 FAQ, M4 AI 개발.

하드웨어·배포 요점

• 메모리: 16GB는 가벼운 sync; 24GB는 embedding worker + IDE 동시에;
• 디스크: Memory Tree 장기 축적 1TB부터;
• 격리: 같은 머신에 OpenClaw Gateway도 돌리면 OPENHUMAN_WORKSPACE와 OpenClaw 설정 디렉터리 분리, peak 겹침 방지.

경계와 윤리: 더 「안다」면 더 조심

능력이 클수록 오용 위험도 큽니다:

1. 비의료: OpenHuman으로 우울 자가진단·복약 조언·전문 상담 대체 금지;
2. 연결 범위: 업무 Slack과 개인 일기 vault를 같은 Memory Tree에? workspace 분리 권장;
3. 공유 기기: Cloud Mac 다중 SSH면 wiki 평문은 암호화 볼륨·권한 격리;
4. beta 현실: Auto-fetch 깊은 ingest는 Gmail / Notion / Slack 중심——118+는 도구 카탈로그, 118개 자동 기억 소스 아님;
5. 백업: chunks.db와 wiki/ 정기 백업, beta schema 진화 가능.

FAQ

상담 대체? 아니오. 개인 효율·컨텍스트 AI, 의료 제품 아님.

ChatGPT보다 더 잘 안다? 연결된 디지털 출처 폭에서는 종종; 감정 이해·안전 경계에서는 아님.

데이터 위치? 기본 ~/.openhuman, 로컬 SQLite + Markdown.

Mac 필수? macOS / Windows / Linux; 7×24는 Cloud Mac 흔함.

Memory OS 글과 차이? 이 글은 「개인 컨텍스트·제품 포지션」; 아키텍처는 Memory OS 심층 해설.

결론

OpenHuman은 오픈소스·로컬 우선 Memory Tree로 「개인 AI가 당신을 안다」를 채팅 메모에서 디지털 생활의 지속 mirror로 밀어 올립니다. 대부분 클라우드 Chat Memory보다 「이번 주 뭐 바쁜지」를 더 잘 알 수 있지만 심리치료가 아니라 감사 가능한 컨텍스트 엔지니어링입니다. Apple Silicon 개발자는 Mac mini M4에서 Ollama와 Cloud Mac 상시 sync로 2026년 개인 Agent 경로를 시험해 보세요: 데이터 소스 세 개 연결, Obsidian wiki가 「나 같다」면 제2의 뇌 인프라로 올릴지 결정.