2026 OpenHuman 安装配置完整指南： 四平台原生包、Memory Tree 与 Ollama 从 0 到跑通

由 Tiny Humans AI 团队维护的 OpenHuman 定位是 Your Personal AI super intelligence：基于 Rust + Tauri v2 的跨平台桌面应用，把 Gmail、Slack、GitHub、Notion 等 118+ 服务 经 OAuth 拉取的数据，经 Token 压缩写入本地 SQLite 驱动的 Memory Tree，让模型在数分钟内获得跨周上下文（见 官方文档）。

安装前请避开三类误区：

• 误当成「数字人换脸」：不需要下载多 GB 的 .pth 到 checkpoints/，也不依赖 NVIDIA CUDA 跑视频推理；GUI 安装包体积通常在数百 MB 量级（随版本变化）。
• 误当成纯 Web 聊天：核心价值在后台自动同步 + 记忆树检索，关窗口不等于丢记忆，但首次需完成 OAuth 与索引构建。
• 误用未校验脚本：官方明确：curl … | bash 无法校验脚本字节完整性，生产环境应优先 Homebrew / 签名 apt / 签名 MSI（见 install.md）。

与 OpenClaw 的分工：OpenClaw 强在 Telegram/WhatsApp 等消息渠道 Bot；OpenHuman 强在桌面超级助理 + Memory Tree + 会议/语音。两者都可接 Ollama，但安装与常驻方式不同。

从源码构建需 Node.js 24+、pnpm、Rust 1.93+ 等（见仓库 README），普通用户不必走源码链。国内用户注意：118+ 集成以国际 SaaS 为主，飞书 / 钉钉 等国内生态在 Beta 阶段可能未覆盖，部署前请在设置里核对可用连接器列表。

以下以 macOS Homebrew 为例；Linux apt 与 Windows MSI 命令见同节末，逻辑一致。

brew tap tinyhumansai/openhuman
brew install openhuman
openhuman --version

# Linux Debian/Ubuntu（签名源，节选）
# curl -fsSL .../KEY.gpg | sudo gpg --dearmor -o /etc/apt/keyrings/openhuman.gpg
# sudo apt-get update && sudo apt-get install -y openhuman

1. 选择渠道：生产优先 Homebrew / apt / MSI；勿在未审计环境下对生产机执行 curl | bash。
2. 执行安装：macOS 上 brew install openhuman 后终端可用 openhuman 命令启动；亦可在启动台打开 GUI。
3. 核对版本：对照 GitHub Releases 是否为当前 Beta（如 v0.54.x），过旧则 brew upgrade openhuman 或系统包管理器升级。
4. 完成首次向导：启动应用，按引导登录账户、选择时区与隐私选项；数据默认落在本机用户目录下 SQLite（路径以设置页为准）。
5. 连接 1–2 个 OAuth 源：建议先 Gmail 或 GitHub 做冒烟，观察 Memory Tree 是否出现「同步中 / 已索引」状态。
6. 冒烟对话：在桌面客户端提问「总结我 GitHub 最近一周的 issue」或「根据我收件箱草拟回复」，确认能引用同步后的上下文。

Windows 用户从 最新 Release 下载 .msi 双击安装；Arch 用户可参考仓库内 AUR 配方 openhuman-bin。npm 全局包 npm install -g openhuman 会在首次安装时下载平台二进制并校验 SHA-256，运行时不依赖 Node（见官方 install.md）。

Memory Tree 采用来源树 → 主题树 → 全局树 三层结构：底层按连接器（Gmail、Slack…）归档原始片段，中层按主题聚类，顶层供对话检索。官方宣称约 20 分钟 周期自动增量同步（以当前 Beta 设置为准），并可用 TokenJuice 类技术压缩 Token 占用。

1. 授权最小集：先连 1–2 个只读源，确认索引完成后再扩展，避免首次全量拉取占满磁盘与带宽。
2. 观察索引状态：设置页查看各连接器「上次同步时间」；长时间卡在 syncing 时检查代理与 OAuth 是否过期。
3. 安装 Ollama：在宿主机安装 Ollama 并拉取模型，例如 ollama pull qwen2.5:7b（模型名以你环境为准）。
4. 填写本地端点：在 OpenHuman 设置中选择 Local / Ollama 或 LM Studio，Base URL 通常为 http://127.0.0.1:11434/v1（OpenAI 兼容路径以 UI 为准）。
5. 低显存策略：16GB 统一内存机器优先 7B–8B 量化模型；13B 需监控 Activity Monitor 中 Ollama 与 OpenHuman 合计占用。
6. Obsidian 同步（可选）：若启用笔记双向同步，确认 vault 路径在 SSD 本地盘，避免网络盘导致 watcher 失效。

ollama serve
ollama pull qwen2.5:7b
# OpenHuman 设置 → Local LLM → http://127.0.0.1:11434

完全离线场景：不接任何云端 LLM API，仅 Ollama + 本地 Memory，对话与索引均不出本机，适合法务、研发内网文档助理场景。M 系列 Mac 无独显亦可跑 7B 级模型，速度取决于统一内存带宽。

• 开源协议：主仓库 GPL-3.0；商用衍生需遵守传染性条款，闭源产品直接嵌入前建议法务评估（对比 MIT 的 OpenClaw）。
• 集成规模：官方宣称 118+ OAuth 服务连接器（以设置页实时列表为准）。
• 存储：Memory 数据存本机 SQLite，非默认上云；卸载前需手动导出或备份用户数据目录。
• 版本节奏：Early Beta，2026 年 5 月社区观测 GitHub Stars 约 6k+ 量级且多次 Trending；部署前务必核对 Release changelog。

更新：包管理器升级（brew upgrade / apt upgrade）或重装 MSI 覆盖；重大 Beta 升级前建议导出设置截图并备份 SQLite 目录。卸载：系统卸载应用后，手动删除残留数据目录与 Ollama 模型缓存（若不再需要）。

笔记本与超卖 VPS 的三类真实短板：① 合盖或休眠导致 Memory 自动同步中断，周一打开助手仍像「失忆」；② 纯 Linux 无桌面时 OAuth 与 Tauri GUI 难以完成首次配置；③ 邻居磁盘 IO 争用会让 Ollama 与索引任务同时卡顿，表现为「装得上、用不稳」。

若你需要 OpenHuman 7×24 增量记忆 + 本地 Qwen2.5，更稳妥的路径是在 JEXCLOUD 裸金属 Mac Mini M4 上按本文完成 Homebrew 安装与 Ollama 配置，用 VNC 一次性做完 OAuth，之后仅 SSH 维护模型与日志——无虚拟化超卖、数据落在租用磁盘，退租前可打包备份 SQLite 与 Ollama 模型目录。规格与区域见 定价页；下单见 订单页，远程桌面见 帮助中心。