refactor: 重构目录结构

- 顶级目录改为 AI/
- 次级目录为具体技术（如 mem0）
- 仓库定位为综合知识库

AI/mem0/01-basics.md

@@ -0,0 +1,44 @@
+# Mem0 基础概念
+
+## 什么是 Mem0
+
+Mem0 是一个 **AI 记忆层**（Memory Layer），为大语言模型提供持久化记忆能力。
+
+核心功能：
+- 存储 AI 与用户的对话记忆
+- 语义搜索相关记忆
+- 记忆关联推理
+
+## Self-Host 是什么
+
+Self-host（自托管）= 把 Mem0 部署在自己服务器上，而不是使用官方云服务。
+
+| 方式 | 说明 | 数据位置 |
+|------|------|----------|
+| **官方云服务** | 调用 mem0.ai 的 API | 数据在第三方服务器 |
+| **Self-host** | 自己部署 mem0 代码 | 数据完全在自己控制 |
+
+### Self-host 的优势
+
+1. **数据隐私** - 所有数据不经过第三方
+2. **网络可控** - 可运行在私有网络/内网
+3. **成本可控** - 无 API 调用费用，适合大规模使用
+4. **定制灵活** - 可修改源码，切换向量数据库
+
+## Mem0 官方仓库
+
+- GitHub: `mem0ai/mem0`
+- 主要分支/目录：
+  - `server/` - FastAPI 服务，完整功能（需 PostgreSQL + pgvector + Neo4j）
+  - `openmemory/` - 轻量版本（已 sunset，建议用 server/）
+
+## OpenMemory 和 Mem0 的关系
+
+`openmemory/` 是 `mem0ai/mem0` 仓库下的一个**子目录/组件**，不是独立项目。
+
+| 目录 | 存储后端 | 架构复杂度 | 状态 |
+|------|---------|-----------|------|
+| `server/` | PostgreSQL + pgvector + Neo4j | 高 | ✅ 维护中 |
+| `openmemory/` | Qdrant only | 低 | ⚠️ 已 sunset |
+
+> ⚠️ 官方建议新部署使用 `server/` 目录

AI/mem0/02-architecture.md

@@ -0,0 +1,100 @@
+# Mem0 架构详解
+
+## 整体架构
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                      Mem0 Server                             │
+│  (总控，协调所有组件)                                         │
+└─────────────────────────────────────────────────────────────┘
+         │              │              │              │
+         ▼              ▼              ▼              ▼
+    ┌────────┐    ┌─────────┐   ┌──────────┐   ┌────────┐
+    │  TEI   │    │ Qdrant  │   │PostgreSQL│   │  LLM   │
+    │(向量)  │    │(向量库)  │   │ (关系数据)│   │(回答)  │
+    └────────┘    └─────────┘   └──────────┘   └────────┘
+      生成向量      存/搜向量     存元数据/关系    生成自然语言
+```
+
+## 各组件职责
+
+| 组件 | 类型 | 职责 | 你的环境 |
+|------|------|------|----------|
+| **TEI** | Text Embeddings Inference | 把文本转换成向量（embeddings） | BGE-M3 模型 |
+| **Qdrant** | 向量数据库 | 存储向量 + 原始文本，搜索相似向量 | tei namespace |
+| **PostgreSQL** | 关系数据库 | 存储用户数据、记忆元数据、关系链 | tei namespace |
+| **LLM** | 大语言模型 | 把向量检索结果组织成自然语言回答 | 待确认 |
+| **Neo4j** | 图数据库 | 存储记忆之间的关联关系（可选） | 可选，暂不需要 |
+
+## 读写流程
+
+### 写入记忆（2次请求）
+
+```
+用户 → Mem0: "今天吃了火锅"
+          │
+          ├→ TEI: 生成向量 [0.123, -0.456, ...]
+          │        │
+          ├→ Qdrant: 存储向量 + 原始文本
+          │        │
+          └→ PostgreSQL: 存储元数据/关系
+```
+
+### 搜索记忆（3次请求）
+
+```
+用户 → Mem0: "最近吃了什么"
+          │
+          ├→ TEI: 生成查询向量 [0.456, ...]
+          │        │
+          ├→ Qdrant: 搜索相似向量 → 返回 "今天吃了火锅"
+          │        │
+          ├→ PostgreSQL: 查询关联元数据
+          │        │
+          └→ LLM: 组织自然语言回答
+               │
+               ▼
+            用户得到回答
+```
+
+## TEI 和 Qdrant 的关系
+
+**TEI 和 Qdrant 完全独立，不知道对方存在**，全靠 Mem0 Server 在中间协调。
+
+| 比喻 | 说明 |
+|------|------|
+| **TEI** | 翻译软件，把中文翻译成密码（向量） |
+| **Qdrant** | 图书馆，把密码对应的书存起来、搜出来 |
+
+### 数据流
+
+```
+Mem0 Server
+   │
+   ├── 调用 TEI ────────→ TEI（只吐向量）
+   │
+   └── 调用 Qdrant ──── → Qdrant（只存/搜向量）
+```
+
+## 为什么需要两者
+
+- **TEI**：把文字变成数字，才能做语义计算
+- **Qdrant**：高效存储和搜索海量向量
+
+两者缺一不可，分工不同。
+
+## Neo4j（可选）
+
+Neo4j 是图数据库，存储**记忆之间的关系**，用于复杂推理。
+
+### 何时需要
+- 多跳问答（"我老婆的表哥的同事"）
+- 知识图谱构建
+- 社交网络分析
+
+### 何时不需要
+- 普通语义搜索
+- 个人记忆库
+- RAG 增强
+
+**建议：先不加 Neo4j，只用 Qdrant + PostgreSQL，跑起来后再按需扩展。**

AI/mem0/03-deployment.md

@@ -0,0 +1,120 @@
+# Mem0 部署方案
+
+## 部署选项
+
+### 选项 A：server/（完整功能）
+
+| 组件 | 说明 |
+|------|------|
+| **Mem0 Server** | FastAPI 服务 |
+| **PostgreSQL + pgvector** | 关系数据 + 向量存储 |
+| **Neo4j** | 图数据库（可选） |
+
+### 选项 B：openmemory/（轻量，已 sunset）
+
+仅需 Qdrant，但官方已停止维护，不建议使用。
+
+---
+
+## K8s 部署（server/ 方案）
+
+### 你已有的基础设施
+
+```
+tei namespace 下已有：
+├── Qdrant        ← 向量数据库
+├── PostgreSQL   ← 关系数据库
+├── Dify         ← 编排平台（LLM 能力？）
+├── TEI          ← Text Embeddings Inference
+└── BGM          ← BGE-M3 嵌入模型服务
+```
+
+### 部署架构
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│                     Mem0 Pod                                 │
+│  ├── mem0-server (main container)                          │
+│  │   - Port: 8000                                           │
+│  │   - 连接 TEI、Qdrant、PostgreSQL、LLM                    │
+│  └── git-sync (sidecar, 可选)                               │
+│       - 从 Gitea 拉取配置/知识库                            │
+└─────────────────────────────────────────────────────────────┘
+         │
+         ├─ TEI: http://tei-server:8080
+         ├─ Qdrant: http://qdrant:6333
+         ├─ PostgreSQL: postgres:5432
+         └─ LLM: 待确认（Dify / OpenAI 代理 / Ollama）
+```
+
+### 核心环境变量
+
+```bash
+# PostgreSQL（已有）
+POSTGRES_HOST=postgres
+POSTGRES_PORT=5432
+POSTGRES_DB=mem0
+POSTGRES_USER=postgres
+POSTGRES_PASSWORD=xxx
+APP_DB_NAME=mem0_app
+
+# Qdrant（已有）
+QDRANT_HOST=qdrant
+QDRANT_PORT=6333
+
+# TEI Embedder（已有）
+EMBEDDER_PROVIDER=tei
+TEI_ENDPOINT=http://tei-server:8080
+
+# LLM（待确认）
+LLM_PROVIDER=openai   # 或 dify / ollama / anthropic
+OPENAI_API_KEY=xxx    # 或通过 Dify
+
+# Auth
+JWT_SECRET=xxx
+ADMIN_API_KEY=xxx
+AUTH_DISABLED=false
+
+# Telemetry（国内建议关闭）
+MEM0_TELEMETRY=false
+```
+
+### 你需要准备的内容
+
+1. [ ] 确认 LLM 来源（Dify / OpenAI 代理 / Ollama）
+2. [ ] 确认 PostgreSQL 数据库已创建（`mem0` 数据库）
+3. [ ] 确认 Qdrant collection 已创建（或让 mem0 自动创建）
+4. [ ] 配置环境变量
+5. [ ] 编译/获取 mem0 镜像
+
+---
+
+## 国内网络问题
+
+### 问题
+
+- 无法访问 Docker Hub
+- 无法访问 GitHub raw content
+
+### 解决方式
+
+1. **镜像提前导入**：在有网环境 `docker pull` 后 `docker save`，导入到 K8s 节点
+2. **内网镜像仓库**：配置私有的 Harbor 或 registry
+3. **代码构建**：下载代码后 `docker build` 本地镜像
+
+### 建议的镜像来源
+
+| 镜像 | 国内可用的 registry |
+|------|-------------------|
+| pgvector | `registry.cn-hangzhou.aliyuncs.com` 搜索 |
+| neo4j | `docker.m.daocloud.io/neo4j` (DaoCloud) |
+| mem0 | 需自行 build 或找社区镜像 |
+
+---
+
+## 待完成
+
+- [ ] 确认 mem0 代码可下载
+- [ ] 确认 LLM 来源
+- [ ] 生成 K8s YAML 文件
+- [ ] 测试部署

AI/mem0/04-your-infra.md

@@ -0,0 +1,62 @@
+# 你的基础设施
+
+## K8s 集群
+
+- **Namespace**: `tei`
+- **已有组件**: Qdrant, PostgreSQL, Dify, TEI, BGE-M3
+
+## 服务列表
+
+### TEI (Text Embeddings Inference)
+- **服务名**: `tei` (在 tei namespace)
+- **模型**: BGE-M3 (BGM-M3)
+- **用途**: 生成文本向量（embeddings）
+- **特点**: 中文支持好，比 OpenAI embedder 更适合中文
+
+### Qdrant
+- **服务名**: `qdrant`
+- **端口**: 6333 (HTTP), 6334 (gRPC)
+- **用途**: 向量数据库，存储和搜索向量
+- **注意**: Mem0 Server 通过 Qdrant 的 HTTP API 连接
+
+### PostgreSQL
+- **服务名**: `postgres`
+- **端口**: 5432
+- **扩展**: pgvector（用于向量支持）
+- **用途**: 存储用户数据、记忆元数据、关系数据
+
+### Dify
+- **服务名**: `dify`
+- **用途**: 编排平台，可能提供 LLM 能力
+- **注意**: 需确认 Dify 是否作为 LLM Provider 接入 Mem0
+
+### BGE-M3 / BGM-M3
+- **模型**: BAAI General Embedding Model - M3
+- **部署方式**: 通过 TEI 推理服务
+- **特点**: 支持 100+ 语言，中文效果优秀
+
+## 网络架构
+
+```
+Mem0 Pod（在 tei namespace）
+    │
+    ├── TEI: http://tei-server:8080
+    │       └── 模型: BGE-M3
+    │
+    ├── Qdrant: http://qdrant:6333
+    │
+    ├── PostgreSQL: postgres:5432
+    │
+    └── LLM: 待确认
+            ├── 选项 1: Dify
+            ├── 选项 2: OpenAI 代理
+            └── 选项 3: Ollama (本地模型)
+```
+
+## 待确认事项
+
+1. [ ] TEI 服务的具体地址和端口
+2. [ ] Qdrant 是否需要手动创建 collection
+3. [ ] PostgreSQL 是否已创建 `mem0` 数据库
+4. [ ] Dify 的 LLM API 是否可用
+5. [ ] LLM 最终选择（Dify / OpenAI 代理 / Ollama）

AI/mem0/05-faq.md

@@ -0,0 +1,77 @@
+# Mem0 常见问题
+
+## Q: Mem0 和 OpenMemory 是什么关系？
+
+A: OpenMemory 是 `mem0ai/mem0` 仓库下的一个子目录，不是独立项目。OpenMemory 使用 Qdrant 作为唯一存储后端，已被官方废弃（sunset），建议使用 `server/` 目录。
+
+## Q: 为什么需要 TEI 和 Qdrant 两个东西？
+
+A: 它们是完全不同的组件，分工合作：
+- **TEI**：把文本转换成向量（理解语义）
+- **Qdrant**：存储向量 + 搜索相似向量
+
+类比：TEI 是翻译软件，Qdrant 是图书馆。两者缺一不可，但互相不知道对方存在，全靠 Mem0 Server 协调。
+
+## Q: Neo4j 是必须的吗？
+
+A: 不是。大部分场景不需要 Neo4j：
+- 普通语义搜索：Qdrant 足够
+- 关系推理（如"我老婆的表哥的同事"）：需要 Neo4j
+
+建议先不加，只部署 Qdrant + PostgreSQL，跑起来后再按需扩展。
+
+## Q: 写入和读取记忆需要多少次请求？
+
+A:
+- **写入**：2次（TEI生成向量 → Qdrant存储）
+- **读取/搜索**：3次（TEI生成查询向量 → Qdrant搜索 → LLM生成回答）
+
+## Q: 中国网络环境下如何部署？
+
+A: 主要问题：
+1. 无法从 Docker Hub 拉镜像 → 提前下载导入或使用国内镜像
+2. 无法访问 GitHub → 使用 gitea 托管代码
+
+## Q: Self-host 需要哪些环境变量？
+
+A: 核心变量：
+```bash
+# 数据库
+POSTGRES_HOST=
+POSTGRES_PORT=5432
+POSTGRES_DB=
+POSTGRES_USER=
+POSTGRES_PASSWORD=
+
+# 向量库
+QDRANT_HOST=
+QDRANT_PORT=6333
+
+# Embedder
+EMBEDDER_PROVIDER=tei
+TEI_ENDPOINT=
+
+# LLM
+LLM_PROVIDER=
+OPENAI_API_KEY=
+
+# Auth
+JWT_SECRET=
+ADMIN_API_KEY=
+AUTH_DISABLED=false
+```
+
+## Q: Mem0 有官方 K8s 部署吗？
+
+A: 没有官方 Helm Chart 或 K8s YAML。需要自行转换 docker-compose.yaml 为 K8s 资源，或使用社区方案。
+
+## Q: TEI 是否需要知道 Qdrant？
+
+A: 不需要。TEI 只做向量生成（文本→向量），不存储任何数据，不与 Qdrant 通信。
+
+## Q: 为什么你的 mem0 代码 clone 这么慢？
+
+A: 可能网络问题。可以尝试：
+- 使用断点续传：`curl -C - -L -o file.tar.gz URL`
+- 使用国内镜像或代理
+- 通过 Gitea 等国内 Git 服务托管

README.md

@@ -1,2 +1,19 @@
-# knowledge-base
+# 知识库
 
+个人知识仓库，存储 AI 相关技术知识。
+
+## 目录结构
+
+```
+AI/
+└── mem0/          # Mem0 自托管部署、架构、运维知识
+    ├── 01-basics.md
+    ├── 02-architecture.md
+    ├── 03-deployment.md
+    ├── 04-your-infra.md
+    └── 05-faq.md
+```
+
+## 来源
+
+本知识库由 AI Agent (Hermes) 根据对话整理。

test.md

@@ -1,3 +0,0 @@
-# Test
-
-This is a test from hermes-bot.