For the complete documentation index, see llms.txt. This page is also available as Markdown.

隐私与安全

OpenHuman 的设计目标是让 你生活的记忆存留在你的设备上。本地 SQLite 记忆树、Markdown Obsidian 库、音频缓冲区,这一切都由你掌控。OpenHuman 后端只处理必须经由中介的事项(LLM 调用、OAuth 令牌、搜索代理),仅此而已。


内建隐私设计

记忆树是本地的。 SQLite 数据库(<workspace>/memory_tree/chunks.db)和 Markdown 库(<workspace>/wiki/)都保留在你的设备上。代理会在本地读取它们;你的原始源数据不会有任何内容存放在 OpenHuman 后端。

集成令牌由后端持有,不在你的笔记本电脑上。 OAuth 令牌绝不会以明文写入你设备的磁盘。OpenHuman 后端代理每一次集成请求,核心绝不会直接与任何第三方 API 通信。

操作系统级凭据存储。 敏感的本地密钥存放在你平台的安全钥匙串中:macOS Keychain、Windows Credential Manager、Linux Secret Service。参见 操作系统钥匙串与密钥存储.

不会用你的数据进行训练。 你的对话、你的记忆树以及你的个人信息绝不会用于训练 AI 模型或改进系统。

可选 本地 AI. 如果你希望嵌入和摘要树构建也保留在你的设备上,请选择启用。心跳 / 学习 / 潜意识循环也可以用同样的方式迁移到设备端。


哪些内容留在你的设备上

记忆树 SQLite 数据库

本地 - <workspace>/memory_tree/chunks.db.

Obsidian Markdown 库

本地 - <workspace>/wiki/。由你决定读取、编辑、复制和删除。

音频采集缓冲区

本地。STT 后即丢弃。

本地模型状态

本地。

OpenHuman 后端处理的内容

LLM 调用

通过后端以一个订阅进行代理,然后再按以下方式转发给底层提供商(Anthropic / OpenAI / Google / 等): 模型路由器.

网页搜索代理

原生的 网页搜索工具 默认使用后端代理,目前由以下服务提供支持: Exa,因此你无需携带搜索 API 密钥。如果你使用自己的 Exa、Brave 或 Querit 密钥,查询会直接发送给对应提供商;Parallel 仍会通过 OpenHuman 后端路由。如果你调用可选的 SearXNG 工具,则该查询会改为发送到你配置的 SearXNG 实例。

集成 OAuth 与工具代理

以下内容的令牌存储和限流请求中介: 118+ 项集成.

TTS 流式传输

托管的 文本转语音 音频流。音频会生成后立即丢弃——不会保留。


权限与访问控制

只有在你完成某个集成的 OAuth 流程后,OpenHuman 才会访问该集成。每个连接都有各自的作用域;你可以随时在 连接 页面中撤销任意一个。

自动获取 在连接处于活动状态时确实会持续运行,这正是其设计目的。但它受到以下限制:

  • 这个 OAuth 作用域 你授予该集成的权限。

  • 一个 按提供商的同步间隔 (例如 Gmail 默认每 15 分钟一次)。

  • 一个 每日预算 每个连接的 API 使用上限。

如果你撤销某个连接,下一次轮询就会停止同步它;已经进入你本地记忆树的块会保留在那里,因为它们属于你。


为什么本地记忆能保护隐私

大多数 AI 助手都面临一个权衡:上下文越多,发送到云端的原始数据就越多。记忆树消除了这种权衡。

因为规范化、分块、评分和摘要树全部运行在 你的本地 Rust 核心内部,你的原始源数据永远不会离开你的设备。LLM 看到的唯一内容,是代理在某一轮对话时从你本地记忆树中检索出来的内容,而这种检索由你的提示词决定,而不是由后台上传决定。

压缩与本地化共同构成隐私架构。

安全性

传输中加密。 应用与 OpenHuman 后端之间的所有通信都使用 TLS。没有任何数据以明文传输。

密钥存于钥匙串,密文存于磁盘。 对于必须持久保存在应用文件中的本地密钥,OpenHuman 会将加密后的密文存储在磁盘上,并将主解密密钥保存在操作系统钥匙串中。参见 操作系统钥匙串与密钥存储.

沙盒化技能。 每个技能都在各自隔离的执行环境中运行,并受到强制内存和资源限制。技能无法访问彼此的数据、宿主系统的文件系统或你的凭据。

工作区作用域工具。 原生的 文件系统工具 在用户打开的工作区内运行;它们无法随意访问磁盘上的其他部分。

短期令牌。 应用与后端之间的认证令牌有时间限制。


信任与风险智能

OpenHuman 包含一个智能层,旨在帮助你评估所连接来源中的可信度、信息质量和潜在风险。

诈骗与冒充信号。 与诈骗、冒充或协同滥用相关的行为模式可能会以警告形式出现。信号来源于模式,而不是共享单条消息内容。

上下文动态信任。 信任具有上下文性,在一个领域中的可信度不会自动迁移到另一个领域。OpenHuman 通过聚合的证据和历史准确性来体现信任,而不是依赖静态分数。

建议性质,而非强制执行。 信任与风险输出只是用于辅助你判断的信号。OpenHuman 不会封禁用户、删除消息或执行内容审核决策。


共享环境

在团队或社区场景中,隐私仍以用户为中心。每个用户连接的数据源都仅限于其账户;管理员无法通过后门进入其他用户的记忆树。

社区级智能来自聚合且匿名化的信号,而绝不会来自对单条消息内容的直接访问。

最后更新于