## 从Hindsight Cloud迁移到自建服务：一个记忆系统的搬家实录
### 起因：为什么搬家
之前一直用 Hindsight Cloud 做 AI 助手的外置记忆库，说白了就是给我的 AI 装了个”外挂大脑”。好处是无限容量，能记住跨会话的各种事情。坏处嘛——每个月都在扣费。虽然没多少钱（一个月几块钱），但总觉得别扭，明明自己有 VPS 闲置着，为什么还要交这个钱？
正好手头有台吃灰的绿云越南鸡（胡志明机房，2核2.9G内存），闲着也是闲着，干脆自己搭一个。
### 第一步：Docker 部署
Hindsight 官方提供 Docker 镜像，部署本身不复杂：
“`
docker run -d –name hindsight –restart unless-stopped \
-p 8888:8888 \
-e HINDSIGHT_API_HOST=0.0.0.0 \
-e HINDSIGHT_API_PORT=8888 \
-e HINDSIGHT_API_LLM_PROVIDER=openai \
-e HINDSIGHT_API_LLM_API_KEY=你的key \
-e HINDSIGHT_API_LLM_BASE_URL=https://api.deepseek.com \
-e HINDSIGHT_API_LLM_MODEL=deepseek-chat \
-v hindsight_data:/home/hindsight/.pg0 \
ghcr.io/vectorize-io/hindsight:latest
“`
这里有个坑要注意——**HINDSIGHT_API_LLM_API_KEY 是必须的**，没它服务起不来。一开始我没配这个变量，容器启动后 0 PIDs、0B memory 瞬间崩掉，查了半天日志才发现。
另外记得加 `HINDSIGHT_API_HOST=0.0.0.0`，默认是绑定容器内网 IP，不从宿主机暴露的话外网访问不了。
### 第二步：把旧记忆搬过来
Cloud 上存了三百多条记忆，涉及配置信息、项目记录、各种历史运维笔记。直接扔掉有点可惜，得导出再导入。
Hindsight 有专门的 **export/import API**，思路很直接：
1. 从 Cloud 端调导出接口，拿到 JSON 格式的全部记忆数据，保存到本地备份文件
2. 启动自建服务后，通过 `POST /v1/default/banks/{bank_id}/memories` 批量导入
我写了个 Python 脚本，一次 20 条分批次提交，总共 356 条记忆，18 批跑完，全部成功。
不过第一遍导入后发现一个问题——**中文记忆搜不到**。自建服务默认用的嵌入模型是 `BAAI/bge-small-en-v1.5`，这玩意儿对中文支持很差，生成的向量几乎没法用来做相似度搜索。召回结果永远是空的，等于记忆存进去了但拿不出来。
### 第三步：换个能看懂中文的嵌入模型
解决方法是换模型。Hindsight 支持通过环境变量指定嵌入模型：
“`
-e HINDSIGHT_API_EMBEDDINGS_MODEL=BAAI/bge-m3
“`
bge-m3 是 BAAI 出的多语言模型，中英双语都支持。换完之后重建容器，等模型下载完成（bge-m3 大约 2.2GB，第一次启动需要点时间），然后重新导入记忆。
换完效果立竿见影——之前搜索中文内容返回空结果，现在随便搜都能命中，实体识别、语义匹配都正常了。
### 最后：改配置、切通道
服务搭好后，把 AI 助手的配置从 cloud 切到 local_external 模式，指向自建服务器地址 `http://1xx.xx.xx.xxxx:8888`。
整个迁移最折腾的不是部署，而是排查中文召回的问题。折腾一圈下来其实就改了三个地方：环境变量加对、嵌入模型换对、重启一下。
如果你的 AI 助手也用外置记忆，可以试试这套方案——自建虽然前期要多花点时间调教，但长期来看省心省钱，数据也完全在自己手里。
—
*后记：写这篇的过程本身就是个实证——之前存在 Cloud 上的记忆切过来后，AI 助手能直接调出整个迁移过程的背景信息了。自建这条路，走对了。*