OpenHuman 2026: полное руководство по установке локального ИИ-аватара

Содержание

01 · Что такое OpenHuman

OpenHuman — локально-ориентированная open-source платформа ИИ-агентов от TinyHumans для macOS, Windows и Linux. В отличие от чат-бота она строит Memory Tree (SQLite): почта, календарь, Slack и репозитории становятся структурированным контекстом для каждого ответа.

В 2026 добавлены Meeting Agent, мультимодальный контекст и интеграция с Obsidian. Для разработчиков и авторов это скорее цифровой двойник. Главное: ядро данных остаётся на вашей машине, пока вы сами не настроите облачный endpoint модели.

02 · Три типичные проблемы

Перед установкой — три частых сбоя:

Конфликт Python. Без venv pip install openhuman попадает в Python <3.10. Нужен 3.10+.
Веса моделей. HuggingFace медленный/блокируется, многогигабайтные файлы без нормального resume; у каждого канала свои барьеры.
GPU. Неверная связка CUDA/PyTorch в Windows; на Intel Mac нет CUDA; Apple Silicon — MPS, не CUDA.

В руководстве — проверенные команды для каждой ОС по всем трём пунктам.

03 · Матрица требований

Таблица — официальные требования 2026 и три пути установки. Для локальной LLM сначала смотрите RAM и SSD.

Параметр	Мин.	Рекоменд.	Примечание
OS	macOS 12 / Win 10 / Ubuntu 20.04	macOS 14+ / Win 11 / Ubuntu 22.04	Apple Silicon: macOS 13+
RAM	4 GB	16 GB+	большой ящик + локальная LLM
GPU	Нет (CPU)	NVIDIA RTX / Apple M	разница скорости ~5–10×
Диск	10 GB	50 GB+ SSD	Memory Tree растёт с данными
macOS	Homebrew brew install openhuman		Homebrew проверяет подпись
Linux	apt подписанный apt или AUR		Ubuntu 20.04 LTS+
Windows	MSI подписанный MSI		CUDA 12.x для GPU

📌 Три цифры: ① минимум 4 ГБ RAM, для локальной модели 16 ГБ+; ② первая синхронизация Memory Tree ~20 мин; ③ MPS на Apple Silicon примерно в 5–8 раз быстрее CPU.

04 · Подготовка окружения

Версии Python

Нужен Python 3.10+. Изолируйте через pyenv или conda.

                        # Verify Python

python3 --version   # 3.10+

# macOS: pyenv

brew install pyenv

pyenv install 3.11.9 && pyenv global 3.11.9

# venv

python3 -m venv openhuman_env

source openhuman_env/bin/activate   # Linux/macOS

openhuman_env\Scripts\activate       # Windows

Проверка Git

                        # Проверить Git

git --version   # 2.x+

# macOS

brew install git

GPU

Apple Silicon (M1–M4): MPS автоматически, CUDA не нужен. NVIDIA на Windows/Linux: сначала CUDA 12.x и подходящий PyTorch с pytorch.org.

На Windows/Linux с NVIDIA сначала CUDA 12.x и подходящий PyTorch — неверная пара чаще всего даёт ошибки GPU.

05 · Пять шагов установки

Шаг 1 — macOS: Homebrew

                        # Official tap

brew tap humansai/openhuman

brew install openhuman

# Verify

openhuman --version

Homebrew проверяет bottle и зависимости. Запуск из Applications или терминала.

Шаг 2 — Linux: apt

                        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

echo "deb [signed-by=/etc/apt/keyrings/openhuman.gpg arch=amd64] \

  https://tinyhumansai.github.io/openhuman/apt stable main" \

  | sudo tee /etc/apt/sources.list.d/openhuman.list

sudo apt-get update && sudo apt-get install -y openhuman

Arch: yay -S openhuman-bin

Шаг 3 — Windows: MSI

Подписанный MSI с tinyhumans.ai/openhuman. Для GPU — CUDA 12.x заранее. Установщик настраивает меню и фоновую синхронизацию.

Шаг 4 — Вход и права

Вход через GitHub/Google. macOS запросит специальные возможности и мониторинг ввода — в «Системных настройках» или Настройки → Automation & Channels.

Для self-host: режим Custom / Local и правка конфига:

                        # macOS: ~/Library/Application Support/openhuman/config.toml

[model]

provider = "custom"

base_url = "https://api.deepseek.com"

api_key  = "<YOUR_API_KEY>"

[memory]

backend  = "local"

Шаг 5 — Источники и Memory Tree

В Integrations подключите три OAuth-источника (Gmail, GitHub, Slack…). Первая полная синхронизация ~20 мин — не закрывайте приложение; дальше — секунды.

Для локального inference скачайте веса через HuggingFace, ModelScope или зеркала и укажите путь в config или Integrations. Первая загрузка может занять 30+ минут — параллельно с ~20-минутной синхронизацией Memory Tree.

06 · Проверка и таблица ошибок

Отправьте тестовый промпт через Web UI или API и проверьте Memory Tree. Нет ответа — сначала provider/API-ключ или Ollama в config.toml.

Ошибка	Причина	Решение
ModuleNotFoundError: openhuman	pip не в том venv	активировать venv, переустановить
MPS not available	PyTorch без MPS	PyTorch 2.0+ arm64 для macOS
Memory DB locked	несколько экземпляров	завершить все openhuman
Integration OAuth failed	сбой системных часов	синхронизировать время, повторить OAuth
Ingest timeout	слишком много источников	подключать поэтапно

07 · Продвинутое: Ollama и Web UI

Ollama офлайн

Для полностью локальной работы укажите Ollama в config.toml:

                        [model]

provider = "custom"

base_url = "http://localhost:11434"

model    = "deepseek-r1:14b"

На M4 ~18–25 tok/s с 14B квантованной — хватает для диалога. 70B+: Mac mini M4 64 ГБ+ или Mac Studio.

Пути memory.db

macOS: ~/Library/Application Support/openhuman/memory.db
Linux: ~/.local/share/openhuman/memory.db
Windows: %APPDATA%\openhuman\memory.db

Свяжите Memory Tree с Obsidian Vault — популярно у исследователей и писателей.

OpenClaw + OpenHuman на арендованном Mac mini M4

08 · Почему аренда Mac разумнее

Свой железный стенд возможен, но учтите трение:

Стоимость покупки. Mac mini M4 16 ГБ от ~$600; Mac Studio 512 ГБ >$3000 — дорого для краткого теста.
Конкуренция на основном ПК. Ollama + sync тормозят браузер, Xcode, дизайн.
Сложность Windows/Linux. Матрица CUDA, WSL2, пути — часы отладки; чистый macOS проще.
Нерасширяемая память. Unified Memory припаяна — рост нагрузки = новая машина.

Посуточная аренда Mac mini M4/Studio: чистый macOS с MPS, проверка workflow дёшево, потом долгая аренда или покупка.

Проверка Web UI и API

Откройте Web UI и отправьте простой запрос (например, сводка непрочитанной почты за неделю). Для Ollama сначала ollama pull deepseek-r1:14b. Сначала проверьте облачный API, затем переключитесь на localhost:11434 — так проще локализовать сбой.

Во время ~20-минутной первой синхронизации не запускайте тяжёлыые локальные модели параллельно. На Apple Silicon смотрите нагрузку MPS; в Windows — процессы CUDA в диспетчере задач.

Сравнение трёх каналов весов

HuggingFace — самый широкий каталог, но может быть медленным. ModelScope — часто быстрее в Азии, нужна регистрация. Зеркала — для чекпоинтов 20 ГБ+. Пути в config и Integrations должны совпадать.

Логи: ~/Library/Logs/openhuman/ (macOS), ~/.local/state/openhuman/logs/ (Linux). OAuth: время системы, корпоративный прокси, блокировка popup для localhost callback.

В отличие от связки OpenClaw + OpenHuman, здесь только одиночная установка OpenHuman.

09 · FAQ

Без GPU?

Да. Облачные API достаточно; индекс Memory Tree GPU не требует. Локальный inference медленнее (2–4× к MPS).

Apple Silicon?

Да. Homebrew arm64, MPS с macOS 13+, быстрее Rosetta.

Медленная загрузка весов?

① ModelScope; ② HuggingFace + зеркало HF_ENDPOINT; ③ альтернативные зеркала для очень больших файлов. Используйте CLI с возобновлением.

Обновление?

macOS: brew upgrade openhuman; Linux: apt install --only-upgrade openhuman; Windows: новый MSI поверх — конфиг и БД сохраняются.

Коммерческое использование?

Ядро MIT, личное бесплатно. Коммерция — tinyhumans.ai; облачные API могут лицензироваться отдельно.

Установка Hermes Agent 2026