add openviking Dockerfile

- 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 +1,81 @@
+# 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
+
+## Q: Swagger UI 可以随意注册用户，生产环境安全吗？
+
+A: Mem0 系统级别的单用户模式——注册第一个 admin 用户后，系统禁止再注册新用户。

AI/mem0/deploy.md

@@ -0,0 +1,405 @@
+# mem0 自托管部署
+
+## 镜像
+
+```
+ccr.ccs.tencentyun.com/tei_agent/mem0:latest
+```
+
+## 依赖服务（tei namespace）
+
+| 服务 | 地址 | 用途 |
+|---|---|---|
+| PostgreSQL | 192.168.3.49:5432 | 关系数据存储 |
+| Qdrant | qdrant:6333 | 向量存储 |
+| TEI (BGE-M3) | tei:8080 | Embedder（文本→向量） |
+
+## 环境变量
+
+### ConfigMap (mem0-env)
+
+| 变量 | 值 | 说明 |
+|---|---|---|
+| APP_DB_NAME | mem0 | 数据库名 |
+| QDRANT_HOST | qdrant | Qdrant 服务地址 |
+| QDRANT_PORT | 6333 | Qdrant 端口 |
+| QDRANT_COLLECTION_NAME | mem0 | 集合名 |
+| EMBEDDER_PROVIDER | tei | Embedder 使用 TEI |
+| TEI_ENDPOINT | http://tei:8080 | TEI endpoint |
+| LLM_PROVIDER | openai | LLM provider（MiniMax 兼容 OpenAI 格式） |
+| OPENAI_API_KEY | YOUR_MINIMAX_KEY | MiniMax API key |
+| OPENAI_BASE_URL | https://api.minimax.chat/v1 | MiniMax API 地址 |
+| AUTH_DISABLED | false | 启用认证 |
+| MEM0_TELEMETRY | false | 关闭遥测 |
+| REQUEST_LOG_RETENTION_DAYS | 30 | 日志保留天数 |
+| HISTORY_DB_PATH | /app/data/mem0_history.db | SQLite 历史数据库路径 |
+
+### Secret (mem0-secrets)
+
+| 变量 | 说明 |
+|---|---|
+| JWT_SECRET | JWT 签名密钥 |
+| ADMIN_API_KEY | 管理后台 API key |
+| POSTGRES_PASSWORD | PostgreSQL 密码 |
+
+## 数据库迁移 (Alembic)
+
+mem0 server 使用 Alembic 管理 PostgreSQL schema。**首次部署前必须先执行迁移**，创建 `request_logs` 等表。
+
+### 迁移 Job
+
+```yaml
+apiVersion: batch/v1
+kind: Job
+metadata:
+  name: mem0-migrate
+  namespace: tei
+spec:
+  ttlSecondsAfterFinished: 300  # 完成后5分钟自动清理
+  template:
+    spec:
+      restartPolicy: OnFailure
+      containers:
+        - name: alembic
+          image: ccr.ccs.tencentyun.com/tei_agent/mem0:latest
+          command: ["alembic", "upgrade", "head"]
+          envFrom:
+            - configMapRef:
+                name: mem0-env
+            - secretRef:
+                name: mem0-secrets
+          env:
+            - name: POSTGRES_PASSWORD
+              valueFrom:
+                secretKeyRef:
+                  name: dify-prod-db-secret
+                  key: password
+          resources:
+            limits:
+              memory: "512Mi"
+              cpu: "500m"
+```
+
+### 迁移部署步骤
+
+```bash
+# 1. 先跑迁移（只执行一次）
+kubectl apply -f mem0-migrate-job.yaml
+
+# 2. 确认迁移完成
+kubectl get job mem0-migrate -n tei -w
+
+# 3. 确认成功后再部署 mem0
+kubectl apply -f mem0-deployment.yaml
+
+# 4. 如果迁移失败，查看原因
+kubectl logs job/mem0-migrate -n tei
+```
+
+**重要**：迁移 Job 只跑一次。Pod 重启时不需要重新迁移，PostgreSQL schema 不会天天变。
+
+## 前置要求
+
+1. **pgvector 扩展** — PostgreSQL 需要安装 pgvector
+2. **mem0 数据库** — 需要提前创建
+3. **mem0-migrate Job** — 首次部署前必须先执行迁移
+4. **mem0-history PVC** — 必须提前创建
+5. **Qdrant collection** — mem0 启动时自动创建（首次调用时）
+
+## 部署清单
+
+### PVC + ConfigMap + Secret + Deployment + Service
+
+```yaml
+apiVersion: v1
+kind: PersistentVolumeClaim
+metadata:
+  name: mem0-history
+  namespace: tei
+spec:
+  accessModes:
+    - ReadWriteOnce
+  resources:
+    requests:
+      storage: 1Gi
+  storageClassName: standard  # 根据你的 StorageClass 调整
+---
+apiVersion: v1
+kind: ConfigMap
+metadata:
+  name: mem0-env
+  namespace: tei
+data:
+  APP_DB_NAME: "mem0"
+  QDRANT_HOST: "qdrant"
+  QDRANT_PORT: "6333"
+  QDRANT_COLLECTION_NAME: "mem0"
+  EMBEDDER_PROVIDER: "tei"
+  TEI_ENDPOINT: "http://tei:8080"
+  LLM_PROVIDER: "openai"
+  OPENAI_API_KEY: "YOUR_MINIMAX_KEY"
+  OPENAI_BASE_URL: "https://api.minimax.chat/v1"
+  AUTH_DISABLED: "false"
+  MEM0_TELEMETRY: "false"
+  REQUEST_LOG_RETENTION_DAYS: "30"
+  HISTORY_DB_PATH: "/app/data/mem0_history.db"
+---
+apiVersion: v1
+kind: Secret
+metadata:
+  name: mem0-secrets
+  namespace: tei
+type: Opaque
+stringData:
+  JWT_SECRET: "your-jwt-secret-change-me"
+  ADMIN_API_KEY: "your-admin-key-change-me"
+  POSTGRES_PASSWORD: "gitlab"
+---
+apiVersion: apps/v1
+kind: Deployment
+metadata:
+  name: mem0
+  namespace: tei
+spec:
+  replicas: 1
+  selector:
+    matchLabels:
+      app: mem0
+  template:
+    metadata:
+      labels:
+        app: mem0
+    spec:
+      containers:
+        - name: mem0
+          image: ccr.ccs.tencentyun.com/tei_agent/mem0:latest
+          ports:
+            - containerPort: 8000
+              name: http
+          envFrom:
+            - configMapRef:
+                name: mem0-env
+            - secretRef:
+                name: mem0-secrets
+          volumeMounts:
+            - name: mem0-history
+              mountPath: /app/data
+          resources:
+            limits:
+              cpu: "2"
+              memory: "4Gi"
+            requests:
+              cpu: "500m"
+              memory: "1Gi"
+      volumes:
+        - name: mem0-history
+          persistentVolumeClaim:
+            claimName: mem0-history
+---
+apiVersion: v1
+kind: Service
+metadata:
+  name: mem0
+  namespace: tei
+spec:
+  ports:
+    - port: 8000
+      name: http
+  selector:
+    app: mem0
+```
+
+## 验证
+
+```bash
+# 检查 PVC
+kubectl get pvc -n tei mem0-history
+
+# 检查 Pod
+kubectl get pods -n tei -l app=mem0
+
+# 查看日志
+kubectl logs -n tei -l app=mem0 --tail=50
+
+# 健康检查
+curl http://mem0:8000/health
+```
+
+## History SQLite 说明
+
+mem0 的对话历史存储在 SQLite，位于 `/app/data/mem0_history.db`。**必须用 PVC 持久化**，emptyDir 挂载重启后数据丢失。
+
+如果 PVC 空间不足或不需要历史功能，可以改用空目录（数据丢失但不影响核心记忆功能）：
+
+```yaml
+# 测试/轻量级环境用 emptyDir
+volumes:
+  - name: mem0-history
+    emptyDir: {}
+```
+
+## Dashboard 部署
+
+mem0 dashboard 是 Next.js 应用，需要单独部署。
+
+### 环境变量
+
+```yaml
+NEXT_PUBLIC_API_URL=http://mem0.tei.svc.cluster.local:8000  # 浏览器调用（通过 Ingress）
+API_INTERNAL_URL=http://mem0.tei.svc.cluster.local:8000     # 服务端内部调用（K8s 内部直连）
+NEXT_PUBLIC_INSTANCE_NAME=Mem0
+```
+
+**`API_INTERNAL_URL`**：K8s 内部服务间通信，直接使用 Service DNS，不需要暴露到外部。浏览器无法解析 `mem0.tei.svc.cluster.local`，所以前端用 `NEXT_PUBLIC_API_URL` 通过 Ingress 访问。
+
+两者可以相同，但分离部署时：
+- `NEXT_PUBLIC_API_URL` = 对外域名（Ingress）
+- `API_INTERNAL_URL` = 集群内部 `mem0.tei.svc.cluster.local:8000`
+
+### CORS 配置
+
+mem0 server 使用 CORSMiddleware，需要通过环境变量配置允许的来源：
+
+```yaml
+DASHBOARD_URL=https://mem0.your-domain.com  # dashboard 的外部访问地址
+```
+
+mem0 server 启动时读取 `DASHBOARD_URL`，设置 `allow_origins=[DASHBOARD_URL]`。
+
+**常见问题**：
+- 浏览器访问 dashboard 登录页时，返回 `400 Bad Request`
+- OPTIONS 预检请求失败，因为 `allow_origins` 为空
+- Swagger 能正常登录（同域请求，无 CORS 问题）
+
+确保 `DASHBOARD_URL` 设为 dashboard 的外部访问地址（与 `NEXT_PUBLIC_API_URL` 的域名部分一致）。
+
+## sentence_transformers 导入错误（永久修复）
+
+mem0 的 `huggingface.py` 在文件顶部执行 `from sentence_transformers import SentenceTransformer`，即使走 `huggingface_base_url` 路径（用 OpenAI 客户端调用 TEI，不需要本地模型）也会尝试加载，造成 `ModuleNotFoundError`。
+
+通过 init container + emptyDir 挂载实现持久修复，pod recreate 不丢失：
+
+```yaml
+apiVersion: apps/v1
+kind: Deployment
+metadata:
+  name: mem0
+  namespace: tei
+spec:
+  replicas: 1
+  selector:
+    matchLabels:
+      app: mem0
+  template:
+    metadata:
+      labels:
+        app: mem0
+    spec:
+      initContainers:
+        - name: patch-mem0
+          image: ccr.ccs.tencentyun.com/tei_agent/mem0:latest
+          command:
+            - sh
+            - -c
+            - |
+              cp -r /usr/local/lib/python3.12/site-packages/mem0 /tmp/mem0-patch/
+              sed -i 's/from sentence_transformers import SentenceTransformer/# from sentence_transformers import SentenceTransformer/' /tmp/mem0-patch/embeddings/huggingface.py
+              echo "patch done"
+          volumeMounts:
+            - name: mem0-code
+              mountPath: /tmp/mem0-patch
+      containers:
+        - name: mem0-ui
+          image: ccr.ccs.tencentyun.com/tei_agent/mem0-ui:latest
+          ports:
+            - containerPort: 3000
+              name: http
+          env:
+            - name: NEXT_PUBLIC_API_URL
+              value: "https://api.mem0.violin-work.online"
+            - name: API_INTERNAL_URL
+              value: "http://mem0.tei.svc.cluster.local:8000"
+            - name: NEXT_PUBLIC_INSTANCE_NAME
+              value: Mem0
+          resources:
+            limits:
+              cpu: 200m
+              memory: 500Mi
+            requests:
+              cpu: 100m
+              memory: 250Mi
+        - name: mem0
+          image: ccr.ccs.tencentyun.com/tei_agent/mem0:latest
+          ports:
+            - containerPort: 8000
+              name: http
+          envFrom:
+            - configMapRef:
+                name: mem0-env
+            - secretRef:
+                name: mem0-secrets
+          env:
+            - name: POSTGRES_PASSWORD
+              valueFrom:
+                secretKeyRef:
+                  name: dify-prod-db-secret
+                  key: password
+          volumeMounts:
+            - name: mem0-history
+              mountPath: /app/data
+            - name: mem0-code
+              mountPath: /usr/local/lib/python3.12/site-packages/mem0
+          resources:
+            limits:
+              cpu: "2"
+              memory: 4Gi
+            requests:
+              cpu: "500m"
+              memory: 1Gi
+      volumes:
+        - name: mem0-history
+          persistentVolumeClaim:
+            claimName: mem0-history
+        - name: mem0-code
+          emptyDir: {}
+```
+
+**原理**：init container 先于主容器启动，把镜像里的 mem0 代码复制到 emptyDir，sed 补丁打在 emptyDir 里。主容器挂载 emptyDir 到 site-packages，覆盖镜像原有文件，实现补丁持久化（recreate 不丢）。
+
+## 功能测试
+
+mem0 未为 K8s 做适配，无健康检查端点。手动测试核心 API：
+
+```bash
+cat > /tmp/test_mem0.py << 'TESTEOF'
+import urllib.request, json, uuid
+
+BASE = "http://mem0:8000"
+
+def req(method, path, data=None):
+    url = BASE + path
+    body = json.dumps(data).encode() if data else None
+    headers = {"Content-Type": "application/json"}
+    try:
+        r = urllib.request.urlopen(urllib.request.Request(url, data=body, headers=headers, method=method), timeout=10)
+        return json.loads(r.read()), r.status
+    except urllib.error.HTTPError as e:
+        return json.loads(e.read()), e.code
+    except Exception as e:
+        return str(e), 0
+
+uid = str(uuid.uuid4())
+print("=== 1. 创建用户 ===")
+print(req("POST", "/api/v1/users", {"user_id": uid, "email": f"{uid}@test.com"}))
+
+print("=== 2. 添加记忆 ===")
+print(req("POST", "/api/v1/memories", {"text": "我叫张三，我喜欢Python", "user_id": uid}))
+
+print("=== 3. 搜索记忆 ===")
+print(req("GET", f"/api/v1/memories?query=python&user_id={uid}"))
+
+print("=== 4. 获取历史 ===")
+print(req("GET", f"/api/v1/history?user_id={uid}"))
+TESTEOF
+kubectl exec -n tei deploy/mem0 -- python3 /tmp/test_mem0.py
+```

AI/openviking/Dockerfile

@@ -0,0 +1,11 @@
+FROM python:3.11-slim
+
+WORKDIR /app
+
+RUN pip install openviking --upgrade --force-reinstall
+
+RUN openviking-server init
+
+EXPOSE 8000
+
+CMD ["openviking-server", "run", "--host", "0.0.0.0", "--port", "8000"]

AI/tokyo-proxy/01-proxy.md

@@ -0,0 +1,152 @@
+# 东京云服务器代理方案
+
+## 场景
+国内访问 GitHub / Docker Hub 速度慢，用东京低配云服务器做流量转发。
+
+## 服务端（东京服务器）
+
+### 1. 安装 squid
+```bash
+apt update && apt install -y squid apache2-utils
+```
+
+### 2. 配置 squid（密码认证）
+```bash
+cat > /etc/squid/squid.conf << 'EOF'
+http_port 3128
+auth_param basic program /usr/lib/squid/basic_ncsa_auth /etc/squid/passwd
+auth_param basic realm "Tokyo Proxy"
+acl auth proxy_auth REQUIRED
+http_access allow auth
+http_access deny all
+EOF
+```
+
+### 3. 创建用户
+```bash
+htpasswd -cb /etc/squid/passwd 用户名 密码
+```
+
+### 4. 重启
+```bash
+systemctl restart squid
+systemctl enable squid
+```
+
+### 验证
+```bash
+ss -tlnp | grep 3128
+```
+
+---
+
+## 国内客户端
+
+### Docker 配置
+```bash
+mkdir -p /etc/systemd/system/docker.service.d
+cat > /etc/systemd/system/docker.service.d/http-proxy.conf <<EOF
+[Service]
+Environment="HTTP_PROXY=http://用户名:密码@东京服务器IP:3128"
+Environment="HTTPS_PROXY=http://用户名:密码@东京服务器IP:3128"
+EOF
+
+systemctl daemon-reload && systemctl restart docker
+```
+
+### Git 配置
+```bash
+git config --global http.proxy http://用户名:密码@东京服务器IP:3128
+git config --global https.proxy http://用户名:密码@东京服务器IP:3128
+```
+
+### K3s (containerd) 配置
+K3s 默认使用 containerd，不走 systemd代理，需要在 k3s service 环境变量中配置。
+
+```bash
+# 添加代理环境变量到 k3s service
+mkdir -p /etc/systemd/system/k3s.service.d
+cat > /etc/systemd/system/k3s.service.d/http-proxy.conf <<EOF
+[Service]
+Environment="HTTP_PROXY=http://用户名:密码@东京服务器IP:3128"
+Environment="HTTPS_PROXY=http://用户名:密码@东京服务器IP:3128"
+Environment="NO_PROXY=localhost,127.0.0.1,10.0.0.0/8,.svc,.cluster.local"
+EOF
+
+systemctl daemon-reload && systemctl restart k3s
+```
+
+验证：
+```bash
+crictl pull nginx
+kubectl run nginx --image=nginx
+```
+
+### 取消代理（如需直连）
+```bash
+git config --global --unset http.proxy
+git config --global --unset https.proxy
+# Docker 删除 /etc/systemd/system/docker.service.d/http-proxy.conf 后重启
+```
+
+---
+
+## 验证
+```bash
+docker pull nginx
+git clone https://github.com/torvalds/linux
+```
+
+---
+
+## 外部镜像同步到本地 Registry
+
+### 场景
+东京服务器能访问 `ghcr.io`/`docker.io`，需要同步到本地 `localhost:5000` registry，供国内 K8s 节点拉取。
+
+### 拉取外部镜像
+```bash
+docker pull ghcr.io/volcengine/openviking:latest
+```
+
+### 同步到本地 Registry（推荐保留原始路径）
+```bash
+# 打 tag，路径保留原始仓库路径
+docker tag ghcr.io/volcengine/openviking:latest localhost:5000/ghcr.io/volcengine/openviking:latest
+
+# 推送
+docker push localhost:5000/ghcr.io/volcengine/openviking:latest
+```
+
+### 国内 K8s 节点拉取
+```bash
+docker pull 43.130.228.226:5000/ghcr.io/volcengine/openviking:latest
+```
+
+### 用 skopeo 跳过本地存储直接同步（多架构镜像推荐）
+```bash
+apt update && apt install -y skopeo
+
+skopeo copy --dest-tls-verify=false \
+  docker://ghcr.io/volcengine/openviking:latest \
+  docker://localhost:5000/ghcr.io/volcengine/openviking:latest
+```
+
+### 查看本地 Registry 内容
+```bash
+curl -s http://localhost:5000/v2/_catalog
+curl -s http://localhost:5000/v2/ghcr.io/volcengine/openviking/tags/list
+```
+
+### 路径说明
+- `localhost:5000/library/alpine` = Docker 官方镜像路径
+- `localhost:5000/ghcr.io/volcengine/openviking` = 保留原始来源路径（推荐）
+
+保留原始路径好处：一目了然知道镜像来源。
+
+---
+
+## 注意事项
+- 东京服务器带宽低（1-2Mbps），Docker 拉大镜像较慢
+- Git 流量小，代理无压力
+- HTTP 代理同时支持 Git 和 Docker，无需 nginx 反代

Linux/linux-users.md

@@ -0,0 +1,36 @@
+# Linux 用户基础操作
+
+## 查看用户
+
+```bash
+# 查看所有用户
+cat /etc/passwd
+
+# 查看当前在线用户
+who
+
+# 显示谁在登录
+w
+```
+
+## 切换用户
+
+```bash
+su - postgres          # 切换到 postgres 用户（带登录 shell）
+sudo su - postgres    # 用 sudo 切换（需要 root 权限）
+```
+
+## PostgreSQL 进数据库
+
+```bash
+su - postgres          # 先切到 postgres 用户
+psql                   # 直接进数据库
+```
+
+或者不切换用户直接进：
+
+```bash
+psql -U postgres -h 192.168.3.49 -p 5432
+```
+
+输入密码后进入 SQL 操作界面，quit 用 `\q`。

README.md

@@ -1,2 +1,21 @@
-# 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
+└── tokyo-proxy/   # 东京云服务器代理：GitHub + Docker 流量转发
+    └── 01-proxy.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.