想给团队或全家搭一个共享 AI 助手，市面上的选择往往两头别扭：要么单机单用户各装各的，要么把全家的对话交给云 SaaS。腾讯云 9 月底开源的 Octop（MIT 协议，Python）把四件事打包进一个项目：自托管（数据默认留在你的机器上）、多用户（一个实例服务多人、账号与会话隔离）、多智能体（按人设与权限建专家 Agent）、长期记忆（跨会话记住偏好与结论，不做纯上下文窗口的短命对话）。配 Web 控制台与 IM 机器人入口，桌面、服务器、NAS、Docker 全平台都有安装形态。
官方 README 的路径相当顺：安装脚本用 uv 自带 Python 3.12 隔离环境（本机不用预装 Python），octop init 向导建库建号，octop run 起服务，Docker Compose 与图形安装包备齐。本篇从安装走到建出可用的专家 Agent，再到把编码 Agent 挂进来、做好备份运维，全程照官方文档走。
前置准备：一台 macOS/Linux/Windows 机器或 VPS——服务本体几 GB 内存可跑，要跑本地大模型按模型规模另计显存；接公有云模型就备好对应的 API Key；Docker 部署需要 Docker 环境。
官方推荐的一键安装是 curl 直接管道执行远程 shell 脚本（托管在腾讯云 COS 上）。生产或敏感环境建议先把脚本下载下来人工过一遍再执行，或者改走 PyPI / 桌面安装包路线，绕开管道执行远程代码这件事本身。
Step 1：三条安装路线，按场景选
命令行用户走官方脚本（macOS/Linux 一行，Windows PowerShell 一行）；装完重开终端让 octop 进 PATH（~/.octop/bin）：
# macOS / Linux
curl -fsSL https://finnie-1258344699.cos.ap-guangzhou.myqcloud.com/octop/install.sh | bash
# Windows (PowerShell)
irm https://finnie-1258344699.cos.ap-guangzhou.myqcloud.com/octop/install.ps1 | iexPyPI 路线适合自己管 Python 的人：pip install octop；想用本地 ONNX 嵌入模型装 octop[local-embedding]（权重缓存在 ~/.octop/embedding_models，只影响嵌入，不是聊天模型）。浏览器自动化要另外装 Playwright 的 Chromium：
pip install octop
# 可选：本地嵌入模型与浏览器内核
pip install "octop[local-embedding]"
python -m playwright install chromium不想碰终端就走图形安装包：GitHub Releases 提供 Windows exe（含 ARM64）、macOS dmg（Intel/Apple Silicon）、Linux tar.gz；飞牛 fnOS NAS 用户直接装官方 FPK 包，Docker 底座或原生两种形态都有。
Step 2：初始化与启动：init、run、常驻服务
octop init 是交互式向导：在 ~/.octop/ 下创建 SQLite 数据库、JWT 密钥与头一个管理员账号（密码至少 8 位、字母加数字）。然后启动服务：
octop init # 交互式：建库、密钥、管理员
octop run # 前台起 API + Web 控制台
octop run --host 0.0.0.0 --port 8088 # 自定义地址端口
octop service start # 注册为系统服务（systemd/launchd/Windows）默认监听 http://127.0.0.1:8088，浏览器打开就是 Web 控制台。要 7x24 常驻就 service start 注册成系统服务，重启机器自动拉起。到这一步，骨架已经立起来了，接下来是接模型。
--host 0.0.0.0 会把服务暴露到局域网甚至公网：出门前先完成账号加固，并套一层支持 HTTPS 的反向代理。Octop 自带鉴权，但裸 HTTP 明文传密码在不可信网络里不可接受——这条是部署红线，不是可选项。
Step 3：Docker 部署与初始密码治理
生产环境官方推荐 Docker：数据卷独立于容器，升级就是换镜像。仓库自带 Compose 文件，或用 docker run 一条起：
docker compose -f docker/docker-compose.yml up -d
# 或手动 run
docker run -d \
-p 8088:8088 \
-v octop-data:/data/.octop \
-e HOME=/data \
-e OCTOP_DEFAULT_PASSWORD="" \
octop:latest容器内数据落在 /data/.octop 并挂进 octop-data 卷。头一次启动会自动创建管理员账号：OCTOP_DEFAULT_PASSWORD 未设置时生成强随机密码，写在容器内 /data/.octop/credential.txt——打开 http://localhost:8088，用里面的凭据登录。
credential.txt 是明文初始密码：头一次登录就改掉它。OCTOP_DEFAULT_PASSWORD 只建议在受控内网临时使用，任何对外部署都用随机密码加首登修改，别把弱密码写进 compose 文件提交到仓库。
Docker 路线的升级动作 = 拉新镜像、重建容器，数据卷不动即无忧——这就是官方把它标为生产推荐的原因。例行备份见 Step 6。
Step 4：接模型：本地 Ollama、OpenAI 兼容、云端任选
在控制台的模型配置里添加供应商：本地 Ollama、DashScope、或任何 OpenAI 兼容接口。以本地 Ollama 为例（示意，字段以控制台当前界面为准）：
# 本地 Ollama（控制台里填）
# Base URL: http://127.0.0.1:11434/v1
# API Key : ollama（本地占位即可）
# 公有云 / 自建网关：填对应的 OpenAI 兼容地址与 Key配完先开一个最简单的会话验证连通，再去建 Agent——模型层的问题（地址错、Key 错、额度尽）要在最简单的场景里暴露，别等到 Agent 链路上再排查。成本敏感的组合拳：日常问答挂本地小模型，重活给专家 Agent 单独配强模型，Octop 的多 Agent 结构天然支持按 Agent 配不同模型。
支持的供应商清单与配置字段随版本演进，以你所用版本的官方 README 与控制台提示为准；本教程不罗列具体供应商列表，避免与实际版本漂移。
Step 5：多用户、记忆与专家 Agent
在控制台创建用户账号分给团队成员或家人：每人独立的会话与记忆，互相不可见——多用户隔离是这个项目的核心卖点，也是「一个实例服务全家」的前提。然后建「专家 Agent」：起名字、写人设、绑定模型与插件、划权限范围；长期记忆默认开启，跨会话记住你的偏好与已经得出的结论。
入口层面，Web 控制台之外可以绑定 IM 机器人渠道，把 Agent 带进钉钉、飞书、企业微信等消息平台（第三方实测口径，支持清单以官方文档为准）；知识库与文档语料上传后在 Agent 里挂载引用，问答时自动检索。
给 Agent 开工具与插件就是给权限：文件操作、浏览器自动化、对外发消息一律按最小权限配置；对外服务的 IM 渠道在 Agent 人设里写明「敏感操作先请示人工确认」，别让群友一句话触发不可逆动作。
专家 Agent 的分工照「一个人设干一类事」来建：资料检索、日程提醒、文档问答分开，记忆各归各的。比一个全能 Agent 好调教得多——出问题时你也知道该去哪个 Agent 的记忆与配置里找原因。
Step 6：挂上编码 Agent 与日常运维
社区实测的进阶玩法：把 Claude Code、Codex 这类终端编码 Agent 作为「专业工种」接进来，Octop 负责入口、记忆与调度，专业任务继续交给成熟 CLI（具体集成方式随版本演进，以官方文档为准）。运维三件事：备份就是拷数据目录；升级看 GitHub Releases 的更新日志再动镜像或包；日志与 SQLite 都在数据目录里，出问题先看日志再改配置。
# 本机部署：备份整个数据目录
cp -r ~/.octop ~/backups/octop-$(date +%F)
# Docker 部署：备数据卷
docker run --rm -v octop-data:/data -v $PWD:/backup alpine \
tar czf /backup/octop-data-$(date +%F).tgz -C /data .octop预期效果自查：Web 控制台能登录、能添加模型供应商并完成一次对话；建了两个用户，验证会话与记忆互不串；一个专家 Agent 绑定了插件与知识库，能在控制台或 IM 里被正常调用。三条全过，你的自托管 AI 中枢就算正式成立了。
放在常开设备上（NAS、迷你主机）比放笔记本上靠谱：Octop 的价值在「一直在」——记忆与 IM 入口都依赖服务常驻，设备休眠等于助手失联。
常见问题 FAQ
和自己跑一个 Open WebUI 有什么区别？Open WebUI 强在多模型聊天工作台（本站教程 433 有专篇）；Octop 的差异在多用户体系、Agent 化（人设加插件加权限）与长期记忆默认内置，形态更接近「自托管的多用户 Agent 平台」。要聊天工作台选前者，要多人共享的智能体中枢选后者。
能完全离线运行吗？可以：本地 Ollama 模型加本地嵌入模型，数据不出内网，这是它 local-first 定位的本意；浏览器自动化等插件按需安装。必须联网的时刻只有安装与升级——离线环境提前在有网机器上备好安装包与镜像。
内存要多少？跑得动吗？服务本体几 GB 内存即可；接云 API 无额外要求，跑本地大模型按模型规模另算（7B 级从 8GB 起）。VPS 单核小机也能跑服务本体，但本地模型建议独占显存或内存，别和服务抢资源。