Olares
开源个人云操作系统，本地运行 AI 模型、私人知识库，数据主权完全归用户
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
开源个人云操作系统，本地运行 AI 模型、私人知识库，数据主权完全归用户
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Olares Settings 界面——直观的系统管理面板
想象一下这样的场景：你用 ChatGPT 询问了涉及公司机密的问题，你以为这只是本地对话——但 OpenAI 悄悄把你的输入存进了他们的服务器；你用 Midjourney 生成的设计图，转眼成了平台训练数据的一部分；你在 Facebook 发的帖子，因为"违反社区规则"被悄无声息地删除，你甚至没有申诉的机会。
这不是科幻情节，这是 2020 年代每个互联网用户每天都在面对的现实。当我们把工作、生活、社交全都托付给 AWS、Azure、GCP 这些公有云巨头时，我们也同时交出了对数据的最终控制权。
Olares 正是为解决这个问题而生。它是一个开源的个人云操作系统（Personal Cloud OS），让你在自己家中的服务器上，部署一套完整替代公有云服务的私有基础设施——包括本地 AI 模型托管、私人知识库、文件存储、媒体服务、物联网中枢，甚至还能运行去中心化社交媒体应用。
Olares 的故事要从它的前身 Terminus 说起。Terminus 最初是一个闭源的个人云项目，目标是为普通用户打造简单易用的家庭服务器体验。然而，开发团队逐渐意识到，要真正实现"让用户掌握自己数据"这一使命，光靠闭源是远远不够的——开源社区的参与、透明的安全审计、去中心化的治理，才是让这类基础设施项目走得长远的唯一路径。
于是，团队决定彻底重构，将整个系统以 AGPL-3.0 协议开源，形成了今天的 Olares 项目。其 GitHub 仓库已获得 4500+ stars，成为 personal cloud 领域最受欢迎的开源项目之一。
Olares 的核心理念被浓缩在一个 badge 里："Let people own their data again"（让人们重新拥有自己的数据）。这不是一句营销口号，而是一个从底层架构到用户体验都认真实践的技术承诺。
如果把公有云（比如 AWS）比作一个超级大商场的不同楼层——计算层（EC2）是服装区，存储层（S3）是仓库，数据库层（RDS）是收银台，AI 服务层（Bedrock）是里面的品牌专柜——那么 Olares 就是帮你把整栋商场搬回家 的装修方案和家具清单。
传统 NAS（群晖、威联通等）是"仓库管理员"，主要职责是安全存储文件。而 Olares 更像是一个"智能物业"，不仅保管你的文件，还帮你：
换句话说，Olares 的野心不是做"更好的网盘"，而是做个人版 AWS——在你自己家里的服务器上，完整复刻公有云的所有层级（IaaS/PaaS/SaaS），并让你真正拥有 root 权限。
图2：Olares 整体架构——四层替代公有云 IaaS/PaaS/SaaS
Olares 的代码库采用 monorepo 架构，按职责分为四层：
位于 infrastructure/ 目录，提供 K8s 集群核心能力：
olaresd 在系统启动阶段（K8s 启动前）完成硬件抽象、网络编排、存储管理这一层是最底层也是最关键的一层，类比公有云的 IaaS 层（EC2、S3 的底层逻辑）。
位于 platform/ 目录，集成了十余款开源中间件：
| 组件 | 作用 | 类比公有云服务 |
|---|---|---|
| JuiceFS | 分布式文件系统 | AWS EFS / Azure Files |
| PostgreSQL | 关系型数据库 | AWS RDS |
| Redis | 内存数据库/缓存 | ElastiCache |
| Prometheus | 监控系统 | CloudWatch |
| Argo Workflows | 工作流编排 | AWS Step Functions |
| NATS | 消息队列 | SNS/SQS |
| OpenTelemetry | 可观测性 | CloudWatch Logs/Traces |
| Velero | K8s 备份 | — |
位于 framework/ 目录，是 Olares 特有的应用运行时框架：
位于 apps/ 目录，基于 Node.js + TypeScript + Vue.js 构建系统自带应用：
应用通过 沙箱隔离 运行，每个应用有独立的权限边界，不会因为某个应用的安全漏洞影响整个系统。
Olares 最吸引开发者的特性之一，是它对本地 AI 模型部署的原生支持。
项目 topics 中包含了 local-ai、ai-agents、model-serving、mcp 等关键词，表明其核心定位之一就是私有 AI 计算平台。在 Olares 上，用户可以：
这对于有数据隐私合规要求的企业（如医疗、金融、法律行业）或有个性化 AI 需求的开发者来说，是极具吸引力的解决方案——既能享受大模型的便利，又不把数据交给第三方。
部署难度：复杂（4/5）
Olares 不支持 Docker Compose 一键部署，这可能是它最显著的门槛。它需要：
安装流程是通过 olaresd 守护进程完成的，它在 K8s 启动前以 systemd 服务运行，提供 REST API（端口 18088），负责：
项目提供了详尽的文档站点（docs.olares.com），包含多语言版本（英文、中文、日文），这在个人项目向企业级过渡时是重要的质量信号。
Olares 的野心也带来了它的局限：
在 AI 时代，数据主权问题变得更加紧迫——训练数据的来源、模型推理时数据的处理、用户 prompt 的留存，每一环都可能成为隐私泄露的风险点。
Olares 的出现，提供了一种技术上的应对路径：与其信任各大 AI 服务提供商的数据政策，不如把整个 AI 工作流搬到本地。
从增长曲线看，Olares 的 stars 在 personal cloud 和 homelab 社区中处于快速上升阶段。它的 topics 覆盖了 kubernetes、local-ai、mcp、self-hosted 等多个热门方向，在开源社区有很高的交叉传播价值。
作为 AGPL-3.0 项目，Olares 要求所有基于它的修改也必须开源，这虽然限制了商业化空间，但确保了项目的长期透明性和社区信任——对于数据安全类基础设施来说，这一点尤为重要。
| 角色 | 推荐探索路径 |
|---|---|
| AI 爱好者 | 先体验 LarePass 移动端 → 部署 Ollama 本地模型 → 探索私人知识库 |
| 开发者 | 阅读 daemon/README.md 了解 olaresd REST API → 参考 framework/ 开发新应用 |
| Homelab 玩家 | 安装 Olares 到实体机 → 配置 Tailscale 远程访问 → 迁移公有云服务 |
| 技术决策者 | 对比 Olares vs TrueNAS CORE vs CasaOS → 评估数据主权合规需求 |