写在前面：为什么这篇教程值得读完
2026 年 8 月 11 日，Meta 把 Muse Glimmer——一个 300 亿参数、本地可跑、断网能干活的 AI 智能体——开源了。
这是 2026 年迄今为止对普通用户最友好的一次 AI 发布：免费、Apache 2.0 协议、4-bit 量化后只需 24GB 显存。以前的”在本地跑 AI”听起来像极客专属，今天这篇文章，零基础也能跟做。
我会带你走完从硬件检查、下载安装、首次启动到跑通三个真实任务的全流程，全程截图+命令+说明。整篇文章约 15 分钟读完，实操 30 分钟到位。
一、先看你电脑能不能跑（5 秒钟测出）
硬件清单：
- 操作系统：macOS 13+（Apple Silicon 推荐 M2/M3/M4）或 Windows 11 + NVIDIA 显卡
- 内存：建议 32GB 系统内存（24GB 即可启动）
- 显卡显存：24GB 或以上（NVIDIA RTX 4090/5090，或 MacBook Pro M3/M4 Max 36GB/48GB 版本）
- 硬盘：预留 30GB 空间（模型文件约 20GB + 缓存）
3 秒自测命令（Mac 用户）：
点击左上角 → 关于本机 → 看"芯片"是 Apple Silicon，"内存"≥ 36GB 即满足Windows 用户：
- 右键”此电脑” → 属性 → 看”已安装的内存”
- 开始菜单输
nvidia-smi，回车，看”Memory”列 ≥ 24GB
如果你的电脑是 2024 年后买的游戏本，或者 M3 Max 以上的 MacBook Pro，放心往下走。如果显存不足，可以等下周 Meta 放出更小的 7B 蒸馏版（官方已预告）。
二、安装：5 分钟装好三个工具
步骤 1：装 Python（如果还没有）
Mac 用户打开终端（Spotlight 输入”终端”），Windows 用户打开 PowerShell（管理员模式）。
输入以下命令检查：
python3 --version看到 3.10 或更高版本即可，跳到步骤 2。如果报错：
- Mac：
brew install python@3.11（需先装 Homebrew） - Windows：去 python.org 下个安装包，记得勾”Add to PATH”
步骤 2：装 Ollama（本地大模型管理器，最省事）
访问 ollama.com，按你的系统下载安装（Mac 是 dmg，Windows 是 exe），一路下一步。
装完后打开终端验证：
ollama --version看到版本号（0.3 以上）就对了。
步骤 3：拉 Muse Glimmer 模型（10 分钟下载）
在终端里执行：
ollama pull museglimmer:30b-q4这一步会下载约 20GB 文件，国内网络一般 5-15 分钟。下载完成后会自动装好。
中途如果速度太慢，设置 Ollama 镜像：
# Mac
export OLLAMA_HOST="https://ollama.mirror.example.com"
# Windows PowerShell
$env:OLLAMA_HOST="https://ollama.mirror.example.com"国内用户可以查 Hugging Face 上的社区镜像（如 HF-Mirror），搜 “museglimmer” 找最新的 GGUF 版本下到本地再导入。
三、首次启动：1 分钟让它跑起来
终端输入：
ollama run museglimmer:30b-q4等 30 秒到 2 分钟（首次会编译），出现 >>> 提示符就代表跑起来了。
立刻试一句话：
>>> 你好，你会干什么？你会看到一段中文回答——恭喜，你的电脑已经跑起 300 亿参数的 AI 智能体了，全程不联网。
要退出，输入 /bye。
四、跑通三个真实任务（感受它跟聊天 AI 的区别）
任务 1：整理文件夹（看图+文件操作）
进入 Ollama 会话后，输入：
请帮我列出当前目录下所有 .pdf 文件，按修改时间从新到旧排序，告诉我每份文件的标题和大小。它会要求你给它工具权限（首次会弹窗确认），确认后它会自动用文件 API 读取并整理——这就是 Agent 行为，不只是回答问题，而是真实动手干活。
任务 2：写一个 Python 脚本（看代码能力）
请帮我写一个 Python 脚本，把当前目录下所有 .jpg 图片缩放到宽度 800 像素，按原文件名 + "_small" 命名，保存到 thumb 子文件夹。它会写出完整可运行的代码，你可以直接复制运行。如果要求它”保存为 resize_images.py 并执行”，它会自动写文件+执行。
任务 3：写文章起 5 个标题（看中文创作）
我准备写一篇关于"普通人如何用本地 AI Agent 接单赚钱"的文章，请帮我起 10 个有吸引力的标题，要求：
1. 数字具体化
2. 突出真实可落地的赚钱方式
3. 避免"躺赚""全自动"等夸张词Muse Glimmer 的中文能力虽然不如 GPT-4，但是日常文案完全够用。这是它的杀手级场景——本地免费、私密、够用。
五、桌面端可视化（不想敲命令行的看这里）
如果你不喜欢黑窗口，装个 Open WebUI（开源，免费）：
docker run -d -p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data \
--name open-webui \
ghcr.io/open-webui/open-webui:main需要先装 Docker Desktop。然后浏览器打开 localhost:3000，注册一个本地账号（数据全在你电脑里），就能看到 ChatGPT 一样的对话界面，背后跑的就是你的 Muse Glimmer。
这样全家人都能用——爸妈、小孩、老婆，每人一账号，不消耗任何云端 API 费。
六、常见问题（踩坑救援）
Q1：下载速度慢/失败怎么办？
换国内镜像。打开 Hugging Face 搜 museglimmer，挑下载量最高的 GGUF 版本手动下载，然后通过 ollama create mymodel -f Modelfile 导入。
Q2：跑起来很卡怎么办？
关掉其他大程序（Chrome 标签页、Photoshop）。Mac 用户可以用 sudo powermetrics | grep -i "gpu" 监控显存占用。
Q3：它回答得不如 GPT-4 怎么办？
这是 30B 模型跟闭源旗舰的客观差距。但它的卖点不是最强，是最私密+最便宜。日常写作、整理文件、起标题、写代码完全够用。需要”智力巅峰”的任务再用云端 GPT/Claude。
Q4：能商用吗？
可以。Apache 2.0 协议允许你下载、修改、商用、再分发，不用给 Meta 交一分钱。这是开源 AI 时代最慷慨的协议之一。
Q5：我的电脑只有 16GB 显存能跑吗？
可以等 Meta 即将发布的 7B 蒸馏版（参数更小、要求更低、性能略弱但够用）。或者用云端 GPU 租赁（如 AutoDL、恒源云），月费 30-100 元。
七、写在最后：本地 AI 时代真正来了
2024 年你需要 RTX 4090 + 会写 Python + 看得懂命令行才能跑本地 AI。
2026 年的今天，一个 300 亿参数的 Agent 模型，零代码、零费用、断网可用、数据不出本地。
这不是未来，这是 2026 年 8 月 11 日已经发生的事实。建议你今天就动手装一下，30 分钟后你会有全新的体验——那种”AI 真的属于我自己”的感觉，只有装过才知道。
如果你装的过程中遇到任何问题，评论区留言具体的报错信息，我看到会回复。如果文章帮到了你，转发给身边那个”想用 AI 但担心隐私”的家人朋友，他们最需要。