系统要求
NeoMind 可在桌面（macOS / Windows / Linux）或服务器上运行。以下是各部署方式的具体要求。
包大小与资源占用
下载体积（GitHub Releases）
| 产物 | 大小 | 说明 |
|---|---|---|
| 服务器二进制 (tar.gz) | ~27–30 MB | neomind + neomind-extension-runner 打包；按平台分发 |
| Web 前端 (tar.gz) | ~5.3 MB | 静态资源（HTML/JS/CSS），由后端直接服务 |
| macOS 桌面 (.dmg) | ~45 MB | Tauri 应用 — 内含后端 + 前端 + 系统 WebView |
| Windows 桌面 (.msi) | ~44 MB | |
| Linux 桌面 (.deb) | ~48 MB | |
| Linux AppImage | ~117 MB | 完全自包含 — 包含所有系统库 |
服务器总磁盘占用：~35 MB（二进制 + Web 资源）。没有 Docker 镜像层，没有 pip/npm 运行时——一个静态编译二进制 + 一组静态文件。
运行时资源占用
主进程在单个二进制中内嵌 API 服务器、MQTT Broker、redb 存储和规则引擎。扩展运行在独立进程中。
| 组件 | 内存（典型） | 说明 |
|---|---|---|
| 主进程 | 50–150 MB | Axum + MQTT Broker + redb。随设备数量和遥测量增长。 |
| 扩展进程 | 每个扩展 10–50 MB | ML 模型延迟加载（首次命令 → 加载 → 常驻）。YOLOv8n 模型激活时增加 ~50 MB。 |
| 遥测存储 | 随数据量增长 | redb 文件位于 data/telemetry.redb。每个数据点 ~1 KB。保留时间可配置。 |
无外部依赖
NeoMind 不需要 PostgreSQL、Mosquitto、Redis 或任何其他外部服务。唯一可选的外部依赖是 LLM——可以是本地运行的 Ollama，也可以是云端 API Key。
桌面应用（推荐入门）
通过 GitHub Releases 下载安装包。
| 操作系统 | 架构 | 安装包格式 |
|---|---|---|
| macOS | Apple Silicon（arm64） | .dmg |
| Windows | x86_64 | .msi / .exe |
| Linux | x86_64 / arm64 | .AppImage / .deb |
官方仅提供上述架构的预编译包。如需其他平台（如 macOS Intel / Windows ARM），可从源码构建。
最低硬件：
- CPU：2 核以上（建议 4 核）
- 内存：4 GB 起步；若运行本地 LLM 推荐 8 GB 及以上
- 磁盘：1 GB 安装空间 + 数据存储（见下文）
服务器部署
支持的操作系统
- Linux：Ubuntu 20.04+ / Debian 11+ / CentOS 8+ / 其他主流发行版（x86_64 / arm64）
- 边缘设备（arm64）：NVIDIA Jetson（Orin 系列，CUDA 运行时自动引导安装）、RK3576 等 aarch64 SBC——服务端与扩展均有 arm64 构建
- macOS：12 Monterey 及以上（开发或小规模部署）
- Windows：Windows 10/Server 2019 及以上（通过 WSL2 或原生）
硬件建议
| 场景 | CPU | 内存 | 磁盘 | 说明 |
|---|---|---|---|---|
| 轻量（仅规则 / 云端 LLM） | 2 核 | 2 GB | 10 GB | 不跑本地模型 |
| 推荐（本地 LLM） | 4 核 | 8 GB | 20 GB+ SSD | 跑 Qwen3.5-4B 等 4B 模型；3 GB 起即可跑首选的 MiniCPM5-2B（1.5GB） |
| 多设备 / 视觉管线 | 8 核 | 16 GB | 50 GB+ SSD | 多路视频流 + YOLO/OCR 扩展 |
GPU：非必需。本地 LLM 与视觉推理通过 Ollama（CPU 模式）即可运行；有 GPU 时 Ollama 会自动加速。
网络端口
| 端口 | 协议 | 用途 | 可配置 |
|---|---|---|---|
| 9375 | HTTP | 后端 API + Web UI（开发模式 neomind-cli serve 默认端口） | --port / PORT 环境变量 |
| 1883 | MQTT | 内置 MQTT Broker（设备接入） | 配置文件 |
| 80 / 443 | HTTP(S) | 反向代理（可选，nginx） | nginx 配置 |
生产部署建议用 nginx 反向代理，对外只暴露 80/443，将 9375 / 1883 限制在内网。
运行时依赖
服务器部署无需手动安装额外依赖——安装脚本会下载静态编译的二进制。可选组件：
- Docker 镜像内置（默认）：官方镜像
camthink/neomind已内置 llama.cpp 运行时与官方精选模型，向导内一键下载即可获得本地 LLM，无需额外安装 - Ollama（可选）：已有 Ollama 环境时用于本地 LLM 推理。安装见 ollama.com。首次配置 LLM 后端时需拉取模型，例如
ollama pull qwen3.5:4b - Docker（可选）：
docker compose up -d一键部署 - nginx（可选）：生产环境反向代理 + 静态前端托管
Docker 部署要求
| 项 | 要求 |
|---|---|
| 镜像 | camthink/neomind:latest（多架构 amd64 + arm64，随发版构建） |
| 端口 | 9375（HTTP API + Web UI）、1883（MQTT） |
| 数据持久化 | volume neomind-data（挂载至容器 /app/data） |
| 本地 LLM | 镜像内置 llama.cpp 运行时与默认精选模型（LFM2.5-2.6B，构建参数可换/跳过）；模型目录首推 MiniCPM5-2B，向导内一键下载（预留 4-8GB 磁盘 + 内存） |
边缘设备说明
- NVIDIA Jetson（Orin 系列）：CUDA 运行时自动引导安装，视觉管线（YOLO / DeepStream）建议 8GB+ 显存预算
- RK3576 等 aarch64 SBC：服务端与扩展均有 arm64 构建；纯 CPU 推理建议选 small 档模型
- 内存紧张的设备建议：本地 LLM 用 2-3B 档模型，视觉推理与 LLM 分机部署
数据存储
NeoMind 使用嵌入式存储，无需外部数据库。数据目录默认在 data/，包含：
| 文件 / 目录 | 用途 |
|---|---|
telemetry.redb | 时序遥测数据（所有设备指标） |
sessions.redb | 用户会话 |
devices.redb / dashboards.redb / rules.redb / agents.redb | 各业务域主数据 |
messages.redb | 通知消息投递记录 |
memory/ | Agent 记忆文件（Markdown） |
skills/ | 技能定义（YAML + Markdown） |
extensions/ | 扩展二进制与配置 |
logs/ | 运行日志 |
可通过环境变量或安装脚本参数自定义数据目录（见 安装与配置）。
开发环境
从源码构建需要：
| 工具 | 版本 | 用途 |
|---|---|---|
| Rust | 1.85+（工具链锁定 1.92.0） | 后端编译 |
| Node.js | 20+ | 前端构建 |
| Ollama | 任意 | 本地 LLM（或接入云端模型） |
# 后端
cargo build && cargo test && cargo run -p neomind-cli -- serve
# 桌面 / 前端
cd web && npm install && npm run tauri:dev
详见 开发指南。
LLM 后端要求
NeoMind 支持多种 LLM 后端，按部署形态分两类：
- 本地：Ollama（推荐，
qwen3.5:4b模型）。需要宿主机有足够内存加载模型。 - 云端：OpenAI / Anthropic / Google / xAI / Qwen / DeepSeek / GLM / MiniMax 等 OpenAI 兼容端点。仅需 API Key 与出站网络。
配置方法见 配置 LLM 后端。
最后更新: 2026-09-08