比 ChatGPT 更能打的是它？OpenHuman 靠本機 Skill 刷屏矽谷

2026 年春天，矽谷開發者 Twitter 與時間線上反覆出現同一個名字：OpenHuman。GitHub Star 從 0 衝到 1.7 萬+ 只用了不到三個月，Product Hunt 與 Hacker News 上的討論帖動輒數百樓。很多人第一次點進去時的疑問都一樣：「這不就是又一個 ChatGPT 套殼嗎？」 仔細讀原始碼和文件後，答案往往是：不完全是——它的差異化在「本機 Skill + Memory Tree + 可讀 wiki」的組合，而不是模型本身。

本文聚焦 OpenHuman 的 Skill 體系：它如何擴展 Agent 能力、為何被拿來與 ChatGPT GPT 對比、目前架構處於什麼階段（beta + 執行階段遷移中），以及 Apple Silicon 開發者為何越來越多選擇在 Mac mini M4 Cloud Mac 上跑這套 stack。

為什麼 OpenHuman 在矽谷「刷屏」

ChatGPT 把對話體驗做到了極致，但開發者社群長期有三個未解痛點：

• Cold start：每次新開對話，Agent 對你的專案、郵件、Slack 一無所知；
• Vendor lock-in：GPT Store 裡的 Custom GPT 能力綁在 OpenAI 帳號與雲端；
• 不可稽核：你不知道它「記住」了什麼，更無法像讀程式碼一樣審查行為邏輯。

OpenHuman（TinyHumans AI，GPL-3.0）用 Rust + Tauri 打包成桌面 Agent，主打：

• Memory Tree：Auto-fetch 把 Gmail / Slack / Notion 寫入本機 Markdown wiki（詳見Memory OS 解讀）；
• 本機 Skill：可安裝、可解除安裝、指令明文存放在本機；
• UI-first：幾分鐘 onboarding，而非 Terminal-first 的 YAML 地獄。

這套敘事在矽谷 AI 圈擊中要害：「模型可以換，但工作流知識與擴展能力應留在本機。」 這與我們此前討論的個人脈絡 vs ChatGPT Memory形成互補——Memory 解決「記得住你」，Skill 解決「能替你做事」。

OpenHuman 的 Skill 到底是什麼

在 OpenHuman 語境裡，Skill 不是「又一個 ChatGPT Plugin」，而是寫入 Agent 工作區的可擴展能力包，核心由兩部分組成：

• manifest 中繼資料：名稱、描述、標籤、版本——用於 catalog 展示與匹配；
• SKILL.md 指令體：明文工作流說明，在 Agent 推理時注入 prompt。

官方 Skill 註冊表在獨立儲存庫 tinyhumansai/openhuman-skills。桌面應用從 catalog 發現 → 安裝 → 解除安裝 Skill，檔案落在本機 workspace——你可以用文字編輯器打開 SKILL.md，審查 Agent 被允許遵循的操作邊界。

Skill 如何進入 Agent 的「大腦」

根據 OpenHuman 主儲存庫 2026 年 5 月合併的 Skill 注入 PR，執行階段邏輯大致是：

使用者訊息
    ↓
Skill matcher（@ 顯式提及 + 關鍵字/標籤啟發式）
    ↓
read_body() 讀取匹配 Skill 的 SKILL.md
    ↓
render_injection（8 KiB 總注入上限，超出則截斷）
    ↓
Agent::turn — LLM 在 Skill 指令 + Memory Tree 上下文下推理
    ↓
內建工具鏈（filesystem / git / web / 整合 API …）執行

Prompt 裡已有的 ## Available Skills 段落只列出「有哪些 Skill」；真正幹活的是匹配到的 SKILL.md 正文——類似給模型一份可版本管理的標準作業程序（SOP）。

重要現狀：Skill 執行階段正在遷移

讀文件時必須誠實：OpenHuman Skill 體系在 2026 年 5 月處於過渡期。

• 早期版本曾用 QuickJS 沙箱執行 Skill 包裡的 JavaScript——社群文章曾強調其安全邊界；
• 據 官方 GitBook 與社群實測，QuickJS / rquickjs 執行層已移除；
• 目前：Skill 表面是 metadata catalog + SKILL.md prompt 注入，尚非完整的第三方可執行外掛執行階段；
• 官方表示執行階段正在重建——評估時請視為 beta，以 release note 為準。

這意味著：今天安裝 Skill，主要獲得的是結構化指令與工作流範本，配合 OpenHuman 內建工具鏈使用——而不是任意上傳閉源二進位。對安全敏感團隊，這反而是優點；對期待「一鍵裝外掛就能呼叫任意 API」的使用者，需要調整預期。

OpenHuman Skill vs ChatGPT GPT：一張表看懂

「比 ChatGPT 更能打」——若指的是可組合、可稽核、可離線的 Agent 工作流，OpenHuman 在架構上確實更貼近開發者想要的「個人 AI OS」。若指的是純對話智商或多模態前沿能力，前沿雲端模型仍常領先。公平比較：OpenHuman 賣的是 Agent 基礎設施，不是更大參數的 LLM。

Skill + Memory Tree：1 + 1 > 2

單獨 Skill 只是 SOP；單獨 Memory 只是檔案庫。OpenHuman 的賭注是二者在同一 workspace 裡相遇：

• Skill 說「如何處理客戶升級工單」；
• Memory Tree 提供「這位客戶過去 30 天的 Slack 與郵件摘要」；
• Model Routing 把複雜推理發給強模型、把 embedding 留給本機 Ollama；
• 內建 coder toolset（filesystem / git / lint / test）執行 Skill 指令裡的工程步驟。

ChatGPT 也可以寫 Custom GPT Instructions，但很難自動 ingest 你的 Slack 串並在本機 wiki 留痕——這是 OpenHuman 在「個人/小團隊 Agent」場景的結構性優勢。

openhuman-skills 儲存庫：社群擴展的入口

openhuman-skills 儲存庫結構（摘自官方 README）：

• src/core/ — 各 shipped Skill 原始碼（TypeScript + manifest）；
• docs/SKILL_SPEC.md — Skill 編寫規範；
• 建置管線：TypeScript 編譯 → esbuild bundle → 註冊表產生；
• 桌面 app 預設 catalog 指向此 GitHub 儲存庫（可用 VITE_SKILLS_GITHUB_REPO 覆寫）。

對開發者：fork skills 儲存庫、按 SPEC 寫 SKILL.md、本機指向自建 catalog——是可自託管的 Skill 生態，而非只能等官方上架。這與 OpenClaw 的外掛哲學不同（Gateway 編排 vs 桌面個人 Agent），二者可在同一台 Cloud Mac 並存——注意 workspace 隔離。

Local AI：Skill 工作流的隱私選項

OpenHuman Settings → AI & Skills → Local AI 提供三檔預設（官方文件）：

• Embeddings only：all-minilm 等輕量模型做 Memory Tree embedding；
• Embeddings + learning：部分背景 job 本機化；
• Everything local：embedding、summary、heartbeat、learning、subconscious 全走 Ollama。

注意：「local-first」主要指 Memory 與 Skill 中繼資料——預設 chat、vision、web search、OAuth 代理仍可能走雲端。在 Mac mini M4 上跑 Ollama Metal 加速，是平衡隱私與能力的常見折中——參見M4 AI 開發。

在 Mac mini M4 Cloud Mac 上跑 Skill 栈

Skill 本身不占太多磁碟，但完整 OpenHuman 栈成長很快：

• 已安裝 Skill + SKILL.md + manifest；
• Memory Tree（chunks.db + wiki/）；
• Ollama 模型快取；
• Auto-fetch 7×24 需要主機不休眠。

三類使用者常見選擇 Cloud Mac：

1. Windows / Linux 主力機：遠端 macOS 跑 OpenHuman + Skill catalog；
2. 團隊共享 Agent 節點：固定 SSH/VNC 入口，OPENHUMAN_WORKSPACE 在持久卷；
3. 與 iOS CI 同機：Skill 實驗與 Xcode 建置共用 M4——參考M4 儲存 FAQ。

Skill 部署檢查清單

• 安裝 OpenHuman release，確認 Settings → AI & Skills 可瀏覽 catalog；
• 安裝 1～2 個 Skill，用 @skill-name 顯式測試注入；
• 連線至少一個 Auto-fetch 源，觀察 Skill 是否在 richer 上下文下表現更好；
• 備份 OPENHUMAN_WORKSPACE（含 skills 目錄與 wiki/）；
• 關注 v0.55+ release note 中 Skill 執行階段重建進度。

常見問題 (FAQ)

Skill 能替代 ChatGPT GPT 嗎？ 在「本機可稽核工作流 + 個人記憶」場景往往更合適；在「零設定雲端多模態」場景 ChatGPT 仍更省心。

能自己寫 Skill 嗎？ 可以，按 openhuman-skills 的 SKILL_SPEC 編寫 SKILL.md 與 manifest，本機安裝或提交 PR 到官方 catalog。

QuickJS 還能用嗎？ 主應用已移除 QuickJS 執行層；目前以 SKILL.md 注入為主，執行階段重建中。

和 OpenClaw 外掛有何不同？ OpenClaw 偏 Gateway 多通道編排；OpenHuman 偏桌面個人 Agent + Memory + Skill。可同機執行，需隔離目錄與資源。

必須用 Mac 嗎？ 有 macOS / Windows / Linux 版；7×24 + Ollama Metal 場景常用 Cloud Mac。

結論

OpenHuman 在矽谷刷屏，靠的不是「模型更大」，而是「本機 Skill + Memory Tree + 可讀 wiki」的 Agent 基礎設施敘事。 它把 ChatGPT GPT Store 裡僅雲端可用的擴展邏輯，拆成可安裝、可審查、可與個人資料共存的 SKILL.md 工作流——執行階段雖在 beta 遷移期，但方向已清晰：Agent 的能力邊界，應該像程式碼一樣住在你的機器上。對 Apple Silicon 開發者，在 Mac mini M4 Cloud Mac 上部署 OpenHuman + Skill catalog + 可選 Ollama，是 2026 年值得試的一條個人 Agent 工程路徑。