跳到主要内容

5 分钟快速上手

用最短时间跑通 NeoMind 的核心闭环：设备接入 → 数据可视化 → AI 对话。每一步都有 ✓ 检查点、排障提示，跟着做就能成。

完整安装选项与排障见 安装与配置。

你将完成什么​

按照本指南，你将在 5 分钟内：

  • ✅ 在本地跑起 NeoMind 服务
  • ✅ 下载内置模型——AI 完全本地运行,零 API Key
  • ✅ 连接第一个设备并用 webhook 推送数据
  • ✅ 在仪表板上看到实时数据
  • ✅ 用自然语言向 AI 提问并得到答案
前置条件
  • 一台 macOS / Windows / Linux 电脑（4GB+ 内存）
  • 不需要预先安装数据库、消息代理或其他基础设施——NeoMind 全部内置
  • 用内置本地模型(默认路线)预留额外 3-4GB 内存;只想用云端 API 可跳过

Step 1：安装 NeoMind（约 2 分钟）​

三种安装方式任选其一——都自带 Web UI 与 MQTT Broker，不需要数据库、消息代理等任何外部组件。

方式一：安装包（桌面应用，推荐入门）​

适合：在个人电脑上体验，不想碰终端。

  1. 打开 GitHub Releases，在最新版本中按系统下载安装包：
    • macOS（Apple Silicon）→ .dmg
    • Windows（x86_64）→ .msi / .exe
    • Linux（x86_64 / arm64）→ .AppImage / .deb / .rpm
  2. 双击安装并启动：
    • macOS：将 NeoMind 拖入「应用程序」。首次打开若提示"无法验证开发者"，在终端执行 xattr -cr /Applications/NeoMind.app 后再打开（或在"系统设置 → 隐私与安全性"点"仍要打开"）
    • Windows：SmartScreen 提示时点"更多信息 → 仍要运行"
    • Linux：.deb 双击安装或 sudo apt install ./neomind-*.deb；.AppImage 先 chmod +x 再双击运行

访问方式：桌面版启动后直接打开应用原生窗口，无需浏览器。

方式二：命令行（本机或服务器）​

适合：Linux 主机上长期运行。

  1. 执行安装脚本（需要 root 或 sudo；自动下载静态二进制、注册 systemd 服务）：
curl -fsSL https://raw.githubusercontent.com/camthink-ai/NeoMind/main/scripts/install.sh | sh
  1. 脚本完成即已启动——二进制装到 /usr/local/bin，服务名 neomind：
systemctl status neomind    # 应显示 active (running)
  1. 常用环境变量（执行前 export）：PORT=9375（服务端口）、INSTALL_DIR（安装目录）、NO_SERVICE=true（只装二进制不注册服务）

访问方式：本机安装用 http://localhost:9375；装在远程服务器则用 http://<服务器IP>:9375（无浏览器时可用 ssh -L 9375:localhost:9375 user@server 端口转发）。

方式三：Docker（本机或容器主机）​

适合：已有 Docker 的环境，想要最干净的部署与升级体验。

前置：已安装 Docker（Linux 上需要 sudo 或将用户加入 docker 组）。

  1. 一条命令启动（含数据持久化）：
docker run -d --name neomind \
  -p 9375:9375 -p 1883:1883 \
  -v neomind-data:/app/data \
  camthink/neomind:latest

镜像（多架构 amd64 + arm64）已内置 llama.cpp 运行时与默认模型 LFM2.5-2.6B，首次运行自动就位。也可用 docker compose up -d（编排文件见 安装与配置）。

  1. 确认启动：docker logs -f neomind（等待就绪输出，Ctrl+C 退出）

访问方式：Docker 在本机用 http://localhost:9375；在远程主机则用 http://<主机IP>:9375（端口映射已由 -p 完成）。

数据目录请使用命名 volume（如上）。若 bind-mount 宿主机目录到 /app/data，镜像预置的模型会被跳过，需改走下载 API。

Step 2：注册管理员并登录（30 秒）​

浏览器打开访问地址后，首次使用会进入创建管理员账号页面：

  1. 填写用户名与密码（务必记牢——平台数据加密密钥与该账号绑定），邮箱可选
  2. 点击 Get Started 完成创建，随后登录
首次使用:创建管理员账号再次访问:登录页

✓ 检查点：登录后进入 AI Chat 与使用引导 = 账号就绪，引导里就能直接进行 Step 3。

登录遇到问题？
  • 忘记密码？ 服务器上执行 neomind user reset-password admin 重置
  • 页面空白？ 确认访问的是 Step 1 中对应安装方式的地址（本机 localhost / 远程 IP）

Step 3：下载内置模型——给 NeoMind 装上“大脑”（1-2 分钟）​

下载入口有两处，内容完全相同，任选其一：

  • 登录后的使用引导内（推荐）：引导流程的『配置 AI 模型』步骤中，内置模型卡片直接点 Download
  • 设置 → LLM Backends：顶部 Built-in Model 卡片 → Download（之后补装、换模型也在这一张卡片上）

无后端时的缺省引导页——刚注册、还没有任何 LLM 后端时，AI Chat 会直接显示这个引导：

无后端时的缺省引导页:内置模型(推荐)或自带后端

点击后开始下载平台推荐模型（约 1.5GB，实时进度、支持断点续传），完成后自动就绪：

内置模型就绪状态

✓ 检查点：卡片显示 Running 并出现 Switch Model / Activate 按钮 = 大脑已就位。

跳过这步也能聊

全新实例即使不手动下载，AI Chat 也可直接使用——模型选择器会自动落在内置模型（llama.cpp auto），首次对话时平台自动拉取默认模型：

模型选择器自动落在内置模型 llama.cpp auto

手动 Download 的价值在于提前完成下载并固定模型，避免首次对话时等待。

无需 API Key、无需安装 Ollama 或 Docker、全程离线。想换目录里其他模型（含 0.7GB 视觉款 MiniCPM-V）或导入自己的 GGUF？点 Switch Model，详见 配置 LLM 后端。

下载或激活失败？
  • 内存不足预警？ 内置模型最低 3GB 内存，紧张时可换更轻量模型或改用云端
  • 下载中断？ 支持断点续传，再次点击 Download 会继续
  • 激活按钮灰色？ 等卡片状态变为 Running 再点 Activate

Step 4：连接第一个设备（1 分钟）​

最快的接入方式是 HTTP Webhook——无需 MQTT 客户端，一行 curl 就能模拟设备。

3.1 创建设备​

在 Web UI 的 设备 页面 → 点 添加设备 → 选 Webhook → 命名 demo-sensor。

创建后会得到一个专属的 Webhook URL（形如 /api/devices/<DEVICE_ID>/webhook）。

添加设备获取 Webhook URL

3.2 推送数据​

复制下面的命令，把 <DEVICE_ID> 替换为你的设备 ID，执行：

curl -X POST http://localhost:9375/api/devices/<DEVICE_ID>/webhook \
  -H 'Content-Type: application/json' \
  -d '{"temperature": 25.6, "humidity": 60}'

返回 {"success": true} 即成功。打开设备详情页，可以看到最新遥测值。

设备详情页显示遥测数据

✓ 检查点：设备详情页显示 temperature: 25.6 和 humidity: 60 = 数据已入库。

也可以连接真实设备

NeoMind 内置 MQTT Broker（localhost:1883），支持 ESP32、树莓派、工业传感器等真实设备。详见 接入设备。

webhook 返回 404？
  • 设备 ID 不对？ 在设备列表里点进设备，URL 里的 ID 就是
  • 忘了 Content-Type？ 必须加 -H 'Content-Type: application/json'

Step 5：在仪表板看数据（30 秒）​

进入 仪表板 页面，创建一个仪表板（选择 Overview 模板或空白画布），然后添加一个 数值卡 组件：

  1. 点 添加组件 → 选 数值卡
  2. 数据源填 device:demo-sensor:temperature
  3. 保存
仪表板数值卡
DataSourceId 格式

数据源引用格式统一为 {type}:{id}:{field}：

  • device:demo-sensor:temperature — 设备遥测
  • extension:weather-forecast:temperature — 扩展指标
  • transform:temp-converter:temp_f — 数据转换输出
  • ai:温度巡检:verdict — AI Agent 结构化输出（AI 生成的虚拟指标）

仪表板、规则、数据推送都用这个格式。AI Agent 的结构化输出会自动生成 ai: 前缀的虚拟指标（见 Step 3 与 AI Agent）。详见 术语表。

温度值实时显示在卡片上。再推一条 webhook 数据，数值会立即刷新：

curl -X POST http://localhost:9375/api/devices/<DEVICE_ID>/webhook \
  -H 'Content-Type: application/json' \
  -d '{"temperature": 28.3, "humidity": 55}'

✓ 检查点：仪表板上看到实时温度数值 = 可视化闭环打通。

详见 使用仪表板。

Step 6：用 AI Chat 提问（30 秒）​

打开 AI Chat，输入：

我有哪些设备？demo-sensor 的温度是多少？

AI Agent 会自动查询设备列表和最新遥测值，用自然语言回答。

AI Chat 对话

再试一个更有挑战性的——让 AI 帮你创建自动化：

温度超过 30 度时通知我

AI 会理解你的意图，创建一条规则并配置通知渠道。

✓ 检查点：AI 回答了你的问题 = 智能闭环完成。

AI 没反应？
  • LLM 后端未连接？ 回到 设置 → LLM 后端 检查状态
  • 第一次回答较慢？ 本地模型首次推理需要预热，等待 10-20 秒正常

详见 AI Chat。

🎉 核心闭环已完成​

回顾你刚才跑通的链路：

每一环都已验证：数据进得来、存得下、看得见、能问答。

下一步​

恭喜！你已完成 NeoMind 核心闭环。接下来可以：

我想...去哪里
深入理解系统架构核心概念 — 进程模型、数据流、扩展机制
查术语含义术语表 — Device / Extension / Agent / Rule
配置更多 LLM 后端配置 LLM 后端 — Ollama / 云端 API
接入真实设备接入设备 — MQTT / BLE / Webhook
让 AI 自动巡检AI Agent — 定时/事件触发的自主智能体
设自动化规则自动化规则 — 阈值告警 / 联动控制
配通知渠道通知 — 邮件 / 飞书 / 钉钉 / Webhook
装扩展（YOLO/OCR）扩展管理 — 安装与配置视觉 AI 扩展
看端到端实战应用案例 — 目标检测完整方案
遇到问题故障排查 — 常见问题与解决方案

最后更新: 2026-10-21