SSD Nodes Learn Hosting plans →
الأدلة Matt Connorبقلم Matt Connor · آخر تحديث في 2026-10-26

استضافة mem0 ذاتيًا على VPS لذاكرة الوكلاء

شغّل خادم ذاكرة mem0 على VPS خاص بك، مع الحد الأدنى الواقعي للذاكرة، وملف Compose يربط localhost، وTLS أمام API، ومسار Ollama محلي بالكامل.

ما التكلفة الفعلية لتشغيل mem0 ذاتياً على VPS من حيث الذاكرة

يعني تشغيل mem0 ذاتياً تشغيل ثلاث حاويات: خادم الذاكرة FastAPI، وPostgres مع إضافة pgvector، ولوحة تحكم Next.js. ‏mem0 طبقة ذاكرة للوكلاء. ترسل إليها محادثة، ويستخرج نموذج لغوي الحقائق الدائمة من تلك المحادثة، ثم تُخزَّن هذه الحقائق كمتجهات حتى يتمكن استعلام لاحق من استرجاع الحقائق ذات الصلة.

خطّط لاستهلاك نحو 1 GB من الذاكرة المقيمة للحاويات الثلاث، ولنحو 3 إلى 4 GB من مساحة القرص بعد إنشاء الصور. يعمل VPS بسعة 2 GB بشكل مريح عندما يكون النموذج اللغوي في مكان آخر. أما عندما يعمل النموذج على الخادم نفسه عبر Ollama، فإنه يستهلك معظم الموارد: يحتاج نموذج بسعة 8B، مكمّم إلى 4 بت، إلى نحو 6 GB بمفرده، ولذلك يبدأ الإعداد المحلي بالكامل من 8 GB.

لا تعتمد على هذه الأرقام الواردة في تدوينة، بما في ذلك هذه التدوينة. قِس المكدس الذي أنشأته فعلياً.

docker compose ps
docker stats --no-stream
docker system df -v

يطبع docker stats الذاكرة المقيمة لكل حاوية. ويطبع docker system df -v مساحة القرص التي تشغلها كل صورة وكل volume.

استهلاك الحالة المستقرة ليس ذروة الاستهلاك. يترجم docker compose up -d --build لوحة تحكم Next.js، ويكون إنشاء Node هذا أكثر مراحل التثبيت استهلاكاً للذاكرة. على VPS بسعة 1 GB، يوقفه قاتل نفاد الذاكرة في النواة، وينتهي الإنشاء بالرسالة exit code 137. أكّد السبب قبل أن تبحث عن خلل في Docker:

dmesg -T | grep -i "killed process"

إذا بدا الخادم أكبر من احتياجاتك، فالخيارات الأصغر مناسبة فعلاً. يتجاوز كل من مخزن ذاكرة محلي لوكيل دون خادم إطلاقاً وذاكرة تعمل داخل Claude Code نفسه قاعدة البيانات. ارجع إلى هنا عندما تحتاج عدة وكلاء، أو عدة أجهزة، إلى قراءة الذكريات نفسها.

هل أحتاج إلى Neo4j من أجل ذاكرة الرسم البياني في mem0؟

لا. إذا كان هناك دليل يطلب منك إضافة حاوية Neo4j، فهذا الدليل أقدم من الكود البرمجي الحالي.

كانت ذاكرة الرسم البياني (Graph memory) في mem0 تعني سابقاً قاعدة بيانات رسوم بيانية خارجية، يتم إعدادها تحت مفتاح graph_store مع ضبط enable_graph على القيمة true. خوارزمية الذاكرة الجديدة، التي تم إصدارها في أبريل 2026، أزالت كلا المفتاحين من حزمة تطوير البرمجيات (SDK) مفتوحة المصدر. يتم الآن استخراج الكيانات (Entity extraction) داخل مسار الإضافة العادي، وتُكتب الكيانات في مجموعة pgvector ثانية تحمل اسم مجموعتك الرئيسية مضافاً إليها _entities. لا توجد خطوة إعداد: يتم إنشاء تلك المجموعة عند الاستخدام الأول، لذا يبدأ ربط الكيانات المدمج في العمل عند استدعاء الإضافة التالي.

يؤدي التخلي عن مخزن الرسم البياني إلى توفير حاوية JVM، ومساحة الذاكرة المخصصة لها (heap)، ومئات الميجابايت من حجم الصورة. على خادم VPS بسعة 2 GB، يمثل هذا الفرق بين التشغيل المستقر واللجوء إلى الذاكرة الافتراضية (swapping).

إليك ما ستفقده، بوضوح: كانت نتائج البحث تحتوي سابقاً على حقل relations يسرد الحواف (edges) بين الكيانات. هذا الحقل لم يعد موجوداً. تؤدي مطابقة الكيانات الآن إلى رفع ترتيب الذاكرة في النتيجة الإجمالية، ولا توجد بنية يمكنك التنقل عبرها. إذا كان تطبيقك يعتمد على تتبع تلك العلاقات، فإن mem0 لم تعد تحتفظ بها، وعليك الاحتفاظ بقاعدة بيانات رسوم بيانية خاصة بك خارج mem0، يتم تغذيتها بواسطة الكود الخاص بك.

ملف compose الموجود في المستودع مخصص للتطوير

server/docker-compose.yaml يعلن عن name: mem0-dev، وهذا يعني ما يقوله تماماً. اقرأ الملف قبل تشغيله، لأن هناك خمسة أمور فيه غير مناسبة للخادم.

  • يقوم الملف بالبناء من server/dev.Dockerfile ويقوم بعمل mount لمجلد العمل فوق الصورة باستخدام .:/app، لذا يعمل الحاوية بما هو موجود في ذلك المجلد بدلاً من ما قمت ببنائه.
  • الأمر الخاص به هو rm -rf /app/packages && pip install -q --force-reinstall --no-deps mem0ai && alembic upgrade head && uvicorn main:app --host 0.0.0.0 --port 8000 --reload. هذا يعيد تثبيت mem0ai من PyPI عند كل عملية تشغيل، لذا قد تتغير النسخة التي يعمل بها خادمك أثناء إعادة تشغيل لم تكن تقصد بها الترقية.
  • خطوة pip نفسها تعني أن إعادة التشغيل في حال عدم وجود اتصال خارجي بالشبكة ستفشل قبل أن يعمل uvicorn. عندها سيتوقف خادم الذاكرة الخاص بك لأن PyPI غير قابل للوصول.
  • --reload يشغل مراقب الملفات الخاص بـ uvicorn. وظيفته هي إعادة تشغيل العملية عند تعديل الكود، وهو يستهلك ذاكرة ويشغل عملية إضافية دون أي فائدة في بيئة الإنتاج. ملف Dockerfile الخاص ببيئة الإنتاج يحتوي على --reload في CMD الخاص به أيضاً، لذا فأنت تقوم بتجاوز الأمر في كلتا الحالتين.
  • المنافذ المنشورة هي "8888:8000" و"8432:5432" و"3000:3000". المنفذ المنشور دون تحديد عنوان أمامه يرتبط بـ 0.0.0.0، لذا سيستجيب Postgres للإنترنت العام على المنفذ 8432 بمجرد تشغيل الحزمة.

تستحق النقطة الأخيرة تحذيراً خاصاً. يقوم Docker بنشر المنفذ عبر كتابة قواعده الخاصة قبل السلسلة التي يديرها ufw، لذا فإن ufw deny 8432 لا يغلق منفذ الحاوية المنشور. يشرح الرابط نشر Docker للمنافذ يتجاوز ufw القواعد المتضمنة في ذلك.

ملف compose لخادم حقيقي

اعمل داخل server/، وحافظ على init-db.sh في مكانها، واستبدل docker-compose.yaml بما يلي.

name: mem0

services:
  mem0:
    build:
      context: .
      dockerfile: Dockerfile
    restart: unless-stopped
    env_file: .env
    ports:
      - "127.0.0.1:8888:8000"
    networks: [mem0_network]
    volumes:
      - mem0_history:/app/history
    depends_on:
      postgres:
        condition: service_healthy
    command: >
      sh -c "alembic upgrade head &&
             uvicorn main:app --host 0.0.0.0 --port 8000"
    environment:
      - PYTHONUNBUFFERED=1
      - DASHBOARD_URL=https://mem0.example.com
      - APP_DB_NAME=mem0_app
      - AUTH_DISABLED=false
      - MEM0_TELEMETRY=false

  postgres:
    image: pgvector/pgvector:pg17
    restart: unless-stopped
    shm_size: "128mb"
    networks: [mem0_network]
    environment:
      - POSTGRES_USER=${POSTGRES_USER:-postgres}
      - POSTGRES_PASSWORD=${POSTGRES_PASSWORD:?set POSTGRES_PASSWORD in .env}
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -q -U ${POSTGRES_USER:-postgres}"]
      interval: 5s
      timeout: 5s
      retries: 5
    volumes:
      - postgres_db:/var/lib/postgresql/data
      - ./init-db.sh:/docker-entrypoint-initdb.d/init-db.sh

  mem0-dashboard:
    build: ./dashboard
    restart: unless-stopped
    ports:
      - "127.0.0.1:3000:3000"
    networks: [mem0_network]
    environment:
      - NEXT_PUBLIC_API_URL=https://mem0.example.com
      - API_INTERNAL_URL=http://mem0:8000
    depends_on:
      mem0:
        condition: service_started

volumes:
  postgres_db:
  mem0_history:

networks:
  mem0_network:
    driver: bridge

هناك خمسة تغييرات مهمة هنا، ولكل منها سبب.

تبدأ كل مدخلة ports بـ 127.0.0.1، لذا يقبل النواة (kernel) هذه الاتصالات من الخادم نفسه فقط. يصل كل شيء من الخارج عبر الـ reverse proxy، وهو الكيان الوحيد الذي يحمل شهادة.

لا يحتوي Postgres على كتلة ports على الإطلاق. تصل حاوية mem0 إليه عبر mem0_network باستخدام اسم الخدمة، لذا فإن نشر المنفذ 8432 لا يمنحك أي فائدة بل يكلّفك منفذاً مفتوحاً. استخدم docker compose exec postgres psql -U postgres عندما تحتاج إلى shell.

ينتقل السجل (history) من الـ bind mount في ./history إلى volume مسمى. يربط الـ bind mount البيانات بمسار واحد ومعرّف مستخدم (uid) واحد على هذا المضيف، بينما الـ volume المسمى هو كائن يمكن لـ Docker أخذ لقطة له ونقله. يغطي الرابط الـ volumes المسماة مقابل الـ bind mounts متى يكون كل منهما مناسباً.

يسقط الأمر --reload ويحتفظ بـ alembic upgrade head. حافظ على خطوة الترحيل (migration) هذه. بدونها، سيعمل التطبيق مقابل قاعدة بيانات لا تحتوي على جداول، وسيفشل كل طلب عند الاستعلام الأول.

NEXT_PUBLIC_API_URL هو الرابط (URL) الذي يستدعيه متصفحك، لذا يجب أن يكون عنوان HTTPS العام وليس http://mem0:8000. يقوم Next.js بدمج قيم NEXT_PUBLIC_ في وقت البناء، لكن صورة لوحة التحكم هذه تحتوي على عنصر نائب، ويقوم نقطة الدخول (entrypoint) باستبداله بالقيمة الحقيقية عند بدء الحاوية. لذا، يتطلب تغييرها استخدام docker compose up -d mem0-dashboard، مما يعيد إنشاء الحاوية، دون الحاجة لإعادة البناء. أما docker compose restart mem0-dashboard فيعيد استخدام الحاوية القديمة، التي تحتوي ملفاتها بالفعل على القيمة القديمة، وستستمر لوحة التحكم في استدعاء المضيف الخاطئ.

توجد الأسرار في .env، ويجب ألا يكون .env متاحاً عبر الإنترنت

cd server
cp .env.example .env
openssl rand -hex 32    # paste into JWT_SECRET
openssl rand -hex 32    # paste into ADMIN_API_KEY
chmod 600 .env

اضبط POSTGRES_PASSWORD وJWT_SECRET وADMIN_API_KEY. اترك AUTH_DISABLED=false مضبوطاً على false. الاسم يصف بدقة ما يفعله هذا الخيار: عند تفعيله، يسلّم الخادم كل محتوى الذاكرة الذي يحتفظ به إلى أي جهة يمكنها الوصول إلى المنفذ. اضبط MEM0_TELEMETRY=false إذا كنت لا تريد إرسال حدث الإعداد الأولي إلى الجهة الأعلى.

تتم مقارنة ADMIN_API_KEY مع ترويسة X-API-Key باستخدام secrets.compare_digest، وتؤدي المطابقة إلى تخطي البحث عن المفتاح في قاعدة البيانات بالكامل: ثم يُنفَّذ الطلب بصفة أول مستخدم أُنشئ على الخادم. هذا اعتماد root لواجهة API بأكملها. تعامل معه على هذا الأساس: لا تضعه في سجل الصدفة، ولا في git، ولا تلصقه في موجّه الأوامر. ينطبق كل من ملفات بيئة Compose والمواضع التي تتسرب منها الأسرار وإبقاء مفاتيح API خارج سياق الوكيل مباشرة، لأن الوكلاء هم الجهات التي تستدعي هذا الخادم.

توجد القيم المحمّلة من env_file في بيئة الحاوية، ويعرضها docker inspect بالكامل. يستطيع أي شخص في مجموعة docker قراءتها، وأي شخص في مجموعة docker يملك فعلياً صلاحيات root على المضيف.

اجعل TLS أمام واجهة API بدلاً من فتح المنفذ 8888

تستجيب واجهة API على 127.0.0.1:8888، وتعمل لوحة المعلومات على 127.0.0.1:3000. ينهي nginx جلسة TLS (أمان طبقة النقل) على المنفذ 443، ثم يوجّه الطلبات إلى كليهما.

server {
    listen 443 ssl;
    server_name mem0.example.com;

    ssl_certificate     /etc/letsencrypt/live/mem0.example.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/mem0.example.com/privkey.pem;

    location ~ ^/(memories|search|configure|reset|generate-instructions|auth|api-keys|entities|requests|docs|openapi.json) {
        proxy_pass http://127.0.0.1:8888;
        proxy_set_header Host $host;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_read_timeout 180s;
    }

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_set_header Host $host;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }
}

يستدعي كود المتصفح في لوحة المعلومات كل مسار من مسارات API بهذا النمط على NEXT_PUBLIC_API_URL، بما في ذلك /entities و/requests. إذا أغفلت أحدها، فسيوجّه nginx ذلك الاستدعاء إلى Next.js، وستحصل صفحة لوحة المعلومات التي تحتاج إليه على 404 بدلاً من البيانات.

يبدو proxy_read_timeout أقل أهمية مما هو عليه فعلياً. يتوقف استدعاء الإضافة بينما يقرأ نموذج اللغة المحادثة ويستخرج الحقائق منها. يستغرق نموذج محلي بحجم 8B يعمل على CPU عادةً وقتاً أطول من المهلة الافتراضية البالغة 60 ثانية في nginx، ثم يرى المستدعي 504 Gateway Time-out بينما يواصل النموذج عمله وتُكتب الذاكرة فعلياً. وهكذا تحصل على ذاكرة أُبلغت بأن إضافتها فشلت.

أغلق بقية المنافذ باستخدام سياسة ufw تمنع الاتصالات افتراضياً، مع إبقاء المنافذ 22 و80 و443 مفتوحة. أصدر الشهادة باستخدام certbot على Ubuntu 24.04 خلف nginx. يجب أن يبقى المنفذ 80 قابلاً للوصول لأن هذا الإجراء يستخدم تحدي HTTP-01، الذي تشغّله Let's Encrypt على المنفذ 80 فقط، عند الإصدار وعند كل تجديد لاحق. يعني إبقاء المنفذ 80 مغلقاً التحول إلى تحدي DNS-01. إذا كان الخادم يوجّه تطبيقات أخرى مسبقاً باستخدام Traefik لتوجيه عدة تطبيقات Compose، فأضف mem0 إلى جهاز التوجيه هذا بدلاً من تثبيت Reverse Proxy ثانٍ.

اختبار بسيط: أضف ذاكرة واحدة واقرأها مجدداً

export MEM0_KEY='<the ADMIN_API_KEY from .env>'

curl -sS -X POST http://127.0.0.1:8888/memories \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $MEM0_KEY" \
  -d '{"messages":[{"role":"user","content":"I deploy with Docker Compose and I run Postgres 17."}],"user_id":"smoke"}'

تكون الاستجابة السليمة كائن JSON يحتوي على قائمة results، ويضم كل إدخال قيمة id، والنص المستخرج memory، و"event": "ADD". تعيد الخوارزمية الحالية أحداث ADD فقط. أزيلت أحداث UPDATE وDELETE، لذلك لا يمثل غيابها خطأً.

curl -sS -X POST http://127.0.0.1:8888/search \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $MEM0_KEY" \
  -d '{"query":"which database do I run?","filters":{"user_id":"smoke"},"top_k":5}'

يجب أن تعود المعلومة المتعلقة بـPostgres 17 مع درجة. مرّر المعرّف داخل filters كما هو موضح. لا يزال استخدام user_id في المستوى الأعلى صالحاً، ويسجّل الخادم Top-level user_id in /search is deprecated. Use filters={...} instead. في كل مرة تستخدمه.

نظّف ما أنشأته حتى لا تؤثر بيانات الاختبار في عمليات البحث الفعلية:

curl -sS -X DELETE "http://127.0.0.1:8888/memories?user_id=smoke" \
  -H "X-API-Key: $MEM0_KEY"

إذا أعاد البحث صفوفاً أقل مما توقعت، فتحقق من القيم الافتراضية قبل إلقاء اللوم على الاسترجاع. في الإصدار الحالي، تكون القيمة الافتراضية لـtop_k هي 20، بعد أن كانت 100، وتكون القيمة الافتراضية لـthreshold هي 0.1 بدلاً من عدم وجود قيمة، لذلك تُستبعد المطابقات الضعيفة تلقائياً. بعد نجاح ذلك باستخدام curl، تكون نقاط النهاية نفسها هي التي تربطها بوكيل، سواء مباشرة أو عبر خادم MCP يعمل على VPS نفسه.

شغّل mem0 من دون مفتاح OpenAI إطلاقاً

ابدأ بالعائق، لأنك ستواجهه خلال الدقائق الخمس الأولى. تحتوي صورة الخادم على مجموعة ثابتة من مكتبات المزوّدين، ويرفض /configure أي شيء خارجها:

LLM provider 'ollama' is not bundled in this image. Bundled providers: openai, anthropic, gemini. To use another provider, install its Python package, rebuild the container, and extend BUNDLED_LLM_PROVIDERS in server/main.py.

لا تحتاج إلى إعادة بناء أي شيء. يوفّر Ollama واجهة API متوافقة مع OpenAI على /v1، وتدعم /v1/chat/completions و/v1/embeddings، كما يقبل مزوّد openai في mem0 قيمة openai_base_url. وجّه ذلك المفتاح إلى Ollama، وسينجح الفحص المضمّن لأن المزوّد هو فعلياً openai. العنوان هو الشيء الوحيد الذي يتغيّر.

أضف Ollama إلى مشروع Compose نفسه:

  ollama:
    image: ollama/ollama
    restart: unless-stopped
    networks: [mem0_network]
    ports:
      - "127.0.0.1:11434:11434"
    volumes:
      - ollama_models:/root/.ollama

أضف ollama_models: تحت المفتاح volumes: في المستوى الأعلى، ثم نزّل نموذج محادثة واحداً ونموذج تضمين واحداً:

docker compose up -d ollama
docker compose exec ollama ollama pull llama3.1:8b
docker compose exec ollama ollama pull nomic-embed-text

إذا كان Ollama يعمل مسبقاً على المضيف كوحدة systemd، كما في تشغيل Ollama مباشرةً على VPS، فلا توجّه الحاوية إلى 127.0.0.1:11434. داخل حاوية mem0، يشير 127.0.0.1 إلى حاوية mem0 نفسها. امنح خدمة mem0 القيمة extra_hosts: ["host.docker.internal:host-gateway"]، واضبط Environment="OLLAMA_HOST=0.0.0.0:11434" في ملف drop-in لـsystemd لكي يستمع Ollama على عنوان يمكن لشبكة bridge الوصول إليه، وأبقِ المنفذ 11434 مغلقاً في جدار الحماية.

اسأل النموذج عن بُعد التضمين قبل إعداد أي شيء

تحدد هذه الخطوة وحدها ما إذا كان الاسترجاع سيعمل أصلاً.

ينشئ مخزن pgvector في mem0 جدوله بعرض متجه ثابت، وهو vector vector(1536)، لأن embedding_model_dims تكون قيمته الافتراضية 1536، وهو عرض text-embedding-3-small الخاص بـOpenAI. يعيد nomic-embed-text عدد 768 قيمة. لا يقارن أي شيء داخل mem0 بين هذين الرقمين، لذلك يظهر عدم التطابق من Postgres عند أول عملية إدراج:

expected 1536 dimensions, not 768

لا تثق أيضاً بالرقم الوارد في هذه الفقرة. اسأل النموذج:

curl -sS http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"nomic-embed-text","input":"dimension check"}' \
  | python3 -c "import json,sys; print(len(json.load(sys.stdin)['data'][0]['embedding']))"

يطبع ذلك العرض الذي يجب أن تستخدمه مجموعتك. اكتب الإعداد في ملف، لأن تمرير كلمة مرور Postgres عبر اقتباس shell هو الطريقة التي تتسرّب بها الأخطاء الإملائية إلى بيئة الإنتاج.

{
  "vector_store": {
    "provider": "pgvector",
    "config": {
      "host": "postgres",
      "port": 5432,
      "dbname": "postgres",
      "user": "postgres",
      "password": "<POSTGRES_PASSWORD from .env>",
      "collection_name": "memories_local_768",
      "embedding_model_dims": 768
    }
  },
  "llm": {
    "provider": "openai",
    "config": {
      "model": "llama3.1:8b",
      "api_key": "ollama",
      "openai_base_url": "http://ollama:11434/v1",
      "temperature": 0.2
    }
  },
  "embedder": {
    "provider": "openai",
    "config": {
      "model": "nomic-embed-text",
      "api_key": "ollama",
      "openai_base_url": "http://ollama:11434/v1"
    }
  }
}
curl -sS -X POST http://127.0.0.1:8888/configure \
  -H "Content-Type: application/json" \
  -H "X-API-Key: $MEM0_KEY" \
  -d @config.json

curl -sS http://127.0.0.1:8888/configure -H "X-API-Key: $MEM0_KEY"

يقرأ الاستدعاء الثاني الإعداد مجدداً، وهذا هو الفحص الذي يؤكد نجاح الكتابة. بعد ذلك، كرر اختبار التحقق السريع السابق.

هناك أربع تفاصيل في JSON هذا ليست واضحة، ويؤدي الخطأ في أي منها إلى كسر شيء ما.

api_key هي السلسلة ollama، ويتجاهل Ollama قيمتها. لا يمكن أن تكون فارغة، لأن مكتبة عميل OpenAI ترفع خطأ قبل خروج أي طلب من العملية عند عدم تعيين مفتاح. تعمل أي سلسلة غير فارغة.

يُضبط embedding_model_dims في مخزن المتجهات، ولا يوجد embedding_dims في أداة التضمين عمداً. يرسل mem0 معامل OpenAI المسمى dimensions فقط عند تعيين embedding_dims، كما ترفض الخلفيات التي لا تطبق اقتطاع Matryoshka هذا المعامل رفضاً مباشراً. اضبط العرض عند إنشاء الجدول، واترك أداة التضمين دون تعديل.

collection_name جديد. ينشئ mem0 جدوله باستخدام CREATE TABLE IF NOT EXISTS، لذلك لا يؤدي توجيه عرض مختلف إلى مجموعة موجودة إلى أي تغيير: يبقى عمود vector(1536) القديم، ويفشل كل إدراج. يتطلب تغيير العرض اسماً جديداً للمجموعة، أو إسقاط الجدول القديم يدوياً.

المضيف في openai_base_url هو اسم خدمة Compose، أي ollama، وليس localhost. تحل الحاويات عناوين بعضها باستخدام اسم الخدمة على شبكتها المشتركة.

تكلفة المسار المحلي بالكامل

كن صريحاً مع نفسك بشأن الجودة. تأتي نتائج المعايير الرئيسية لـmem0 من منصته المُدارة، ويذكر README أنها تتضمن تحسينات خاصة غير متاحة في SDK مفتوح المصدر، وتعمل على حزمة نماذج لا يذكر أسماءها. كما شغّلت الورقة البحثية التي تقف وراء نتائج LOCOMO الأصلية كل استدعاءات النماذج باستخدام GPT-4o-mini، وهو نموذج مستضاف. في كلتا الحالتين، اعتبر هذه النتائج حداً أعلى لا تنبؤاً بأداء نموذج 8B على VPS لديك. يكتب النموذج الصغير حقائق أكثر غموضاً، وقد يعيد أحياناً نصاً نثرياً عندما يُطلب منه JSON، ويظهر ذلك في صورة استدعاء إضافة يعيد قائمة results فارغة من دون خطأ.

السرعة تكلفة أخرى. يستغرق الاستخراج باستخدام CPU فقط ثواني لكل استدعاء إضافة، وتدفع هذه التكلفة مع كل رسالة تخزنها. ويزداد الأمر سوءاً عندما يستمر النموذج في الكتابة بعد JSON المطلوب، لذلك يؤدي تحديد طول الرد باستخدام num_predict إلى وضع حد للمدة التي يمكن أن يستغرقها أي استدعاء إضافة منفرد. إذا كان هذا التأخير مهماً، فإن استخدام VPS مزود بوحدة GPU هو الحل الواقعي. إن إضافة مزيد من أنوية CPU إلى نموذج 8B تساعد بدرجة أقل بكثير مما يتوقعه الناس. تغيير النموذج أرخص من تغيير الجهاز، كما يمنحك Nemotron 3.5 Lightning على VPS الوسم المطلوب لتنزيله، وذاكرة RAM التي يحتاج إليها، وما إذا كان تشغيله باستخدام CPU فقط سريعاً بما يكفي للاعتماد عليه.

هناك قاعدة واحدة تنطبق أياً كان اختيارك: لا تخلط نماذج التضمين داخل مجموعة واحدة. ينتج نموذجان مختلفان يتصادف اشتراكهما في العرض نفسه متجهات غير قابلة للمقارنة. تنجح عملية الإدراج، ويعيد البحث صفوفاً، لكن الصفوف تكون خاطئة، من دون أن يبلغ أي شيء عن وجود خطأ.

النسخ الاحتياطية: توجد قاعدتا بيانات، وليست قاعدة واحدة

أكثر أخطاء النسخ الاحتياطي شيوعاً في mem0 هو تفريغ قاعدة بيانات واحدة فقط. ينشئ init-db.sh قاعدة mem0_app إلى جانب قاعدة postgres الافتراضية، وتحتوي كل منهما على بيانات مختلفة. تحتوي قاعدة postgres على مجموعات pgvector، وهي الذكريات. أما mem0_app فتحتوي على المستخدمين والجلسات ومفاتيح API وسجلات الطلبات. تقسّم كل خدمة مستضافة ذاتياً حالتها بطريقة خاصة بها. لذلك، حتى خادمي صور ينفذان المهمة نفسها يحتاجان إلى أوامر نسخ احتياطي مختلفة. اقرأ ما تخزّنه خدمتك قبل أن تعتمد على ملف تفريغ. في الطرف الآخر من هذا النطاق توجد خدمة مثل مكتبة Jellyfin أُعيد بناؤها كمتجر فيديو من تسعينيات القرن الماضي، إذ تقرأ كامل فهرسها من خدمة أخرى، ولذلك لا تحتاج إلا إلى نسخ إعداداتها غالباً. أما mem0 فيحتاج إلى كلتا قاعدتي البيانات، وإلا فلن تكون عملية الاستعادة مفيدة.

إذا استعدت postgres فقط، فستعود الذكريات، لكن ستختفي كل الحسابات ومفاتيح API. لذلك لن يتمكن أي شيء من المصادقة لقراءتها. فرّغ القاعدتين، مع الأدوار، باستخدام أمر واحد:

docker compose exec -T postgres pg_dumpall -U postgres --clean \
  | gzip > "mem0-$(date +%F).sql.gz"

وحدة تخزين السجل منفصلة عن Postgres وتحتاج إلى نسخة خاصة بها:

docker run --rm -v mem0_mem0_history:/data -v "$PWD:/backup" \
  alpine tar czf /backup/mem0-history.tgz -C /data .

تضيف Docker اسم المشروع إلى أسماء وحدات التخزين. لذلك تحقّق من اسم وحدتك باستخدام docker volume ls قبل افتراض mem0_mem0_history.

استعد البيانات في حاوية مؤقتة، وتحقق من أعداد الصفوف قبل الوثوق بأي منها:

gunzip -c mem0-2026-08-03.sql.gz \
  | docker compose exec -T postgres psql -U postgres -d postgres

النسخة الاحتياطية التي لم تستعدها من قبل ليست إلا تخميناً. بعد التأكد من صحة ملفات التفريغ، ادفعها خارج الخادم باستخدام لقطات restic إلى تخزين خارج الموقع، لأن النسخة الاحتياطية الموجودة على الخادم الذي تحميه لا تحمي شيئاً.

أنماط الفشل والسلاسل النصية الدقيقة التي ستراها

تعني {"detail":"Authentication required. Provide a Bearer token or X-API-Key header."} أن الترويسة مفقودة أو مكتوبة بشكل خاطئ. الاسم هو X-API-Key، ويرسل curl أسماء الترويسات كما هي حرفياً.

تعني {"detail":"At least one identifier (user_id, agent_id, run_id) is required."} عند إضافة عنصر أن الطلب لم يتضمن أياً منها. يجب تحديد نطاق الذاكرة لشيء ما، لأن فلاتر البحث تعمل بدقة على تلك الحقول.

تعني LLM provider 'ollama' is not bundled in this image مع رمز الحالة HTTP 400 أنك أرسلت "provider": "ollama". استخدم "provider": "openai" مع توجيه openai_base_url إلى Ollama.

تعني expected 1536 dimensions, not 768 من Postgres أن المجموعة أُنشئت بعرض معين بينما يعيد نموذج التضمين (embedder) عرضاً مختلفاً. اضبط embedding_model_dims في مخزن المتجهات واستخدم collection_name جديداً.

البحث يعيد صفوفاً غير منطقية بعد تغيير النموذج، دون ظهور أي خطأ. العرض لا يزال متطابقاً لذا تعمل قاعدة البيانات بشكل سليم، لكن النموذجين يضعان الجملة نفسها في مواقع مختلفة. ابدأ مجموعة جديدة وأعد الإضافة.

تعني Connection refused في سجلات mem0 أثناء محاولة الوصول إلى Ollama عادةً وجود 127.0.0.1 في openai_base_url. داخل الحاوية، يشير هذا العنوان إلى الحاوية نفسها. استخدم اسم الخدمة، أو بوابة المضيف (host gateway) عندما يعمل Ollama على المضيف.

تعني 504 Gateway Time-out من nginx عند الإضافة أن النموذج استغرق وقتاً أطول من proxy_read_timeout. ارفع هذه القيمة، وتحقق مما إذا كانت الذاكرة قد كُتبت بالفعل قبل إعادة محاولة الطلب.

تعني exit code 137 أثناء docker compose up --build أن عملية ما أُنهيت بإشارة SIGKILL، لأن الإشارة القاتلة N يتم الإبلاغ عنها كـ 128 + N، وإشارة SIGKILL هي الإشارة رقم 9. بينما يتم بناء لوحة التحكم على خادم VPS صغير، فإن المسبب الأكثر احتمالاً هو قاتل نفاد الذاكرة (OOM killer)، لذا نفّذ فحص dmesg من القسم الأول قبل اتخاذ أي إجراء. إذا أظهر الفحص عملية مُنهاة، أضف مساحة تبديل (swap)، أو ابنِ الصورة على جهاز أكبر وادفعها إلى سجل (registry).

تأتي error: port 3000 is already in use من هدف make up في المستودع، والذي يرفض البدء عندما يكون المنفذ 3000 أو 8888 مشغولاً. ابحث عن العملية التي تشغل المنفذ باستخدام lsof -iTCP:3000 -sTCP:LISTEN.

FAQ

هل لا أزال بحاجة إلى Neo4j لتشغيل mem0 مع ذاكرة الرسم البياني (graph memory)؟

لا. الإصدار الجديد من خوارزمية الذاكرة، الذي تم إطلاقه في أبريل 2026، أزال مفاتيح الإعداد graph_store و enable_graph من حزمة تطوير البرمجيات مفتوحة المصدر. يتم استخراج الكيانات الآن أثناء عملية الإضافة العادية وتُكتب في مجموعة pgvector ثانية تسمى <collection_name>_entities، لذا لا توجد قاعدة بيانات رسوم بيانية خارجية، ولا حاجة لحاوية إضافية، ولا توجد خطوة إعداد. المقايضة هي أن الحقل relations في نتائج البحث لم يعد موجوداً. ترفع الكيانات الآن من ترتيب الذاكرة بدلاً من توفير حواف (edges) للتنقل عبرها، لذا فإن أي تطبيق كان يعتمد على تتبع تلك العلاقات يحتاج إلى مخزن رسوم بياني خاص به خارج mem0.

ما هو أصغر خادم افتراضي خاص (VPS) يمكنه تشغيل خادم mem0 ذاتي الاستضافة؟

بافتراض استضافة نموذج اللغة في مكان آخر، فإن 2 جيجابايت من ذاكرة الوصول العشوائي (RAM) وحوالي 4 جيجابايت من مساحة القرص الفارغة تكفي لحاوية API، وPostgres، ولوحة التحكم. اللحظة الحرجة هي عملية البناء الأولى، لأن تجميع لوحة تحكم Next.js يستهلك ذاكرة أكثر من تشغيلها، وسيتعرض الخادم ذو 1 جيجابايت لإنهاء عملية البناء بسبب الخطأ exit code 137. إذا كان Ollama يعمل على نفس الخادم، فاحسب المساحة المطلوبة للنموذج بدلاً من ذلك: يحتاج نموذج 8B بترميز 4-bit إلى حوالي 6 جيجابايت بمفرده، لذا خطط للحصول على 8 جيجابايت.

هل يمكنني تشغيل mem0 بدون مفتاح API خاص بـ OpenAI؟

نعم، من خلال نقطة النهاية المتوافقة مع OpenAI في Ollama. سيؤدي تعيين "provider": "ollama" إلى الفشل، لأن صورة الخادم تحتوي فقط على مكتبات openai وanthropic وgemini وتُرجع الخطأ HTTP 400. بدلاً من ذلك، احتفظ بـ "provider": "openai" وقم بتعيين "openai_base_url": "http://ollama:11434/v1" بأي قيمة غير فارغة في api_key، لكل من نموذج اللغة (llm) والمُضمّن (embedder). يتجاهل Ollama المفتاح، ويتم تجاوز فحص المزود المجمّع لأن المزود هو بالفعل openai.

لماذا لا يُرجع mem0 أي نتائج بعد التحويل إلى نموذج تضمين (embedding) محلي؟

لأن جدول pgvector تم إنشاؤه بعرض ثابت. القيمة الافتراضية لـ embedding_model_dims هي 1536، بينما يُرجع nomic-embed-text القيمة 768، ويرفض Postgres عملية الإدراج بالخطأ expected 1536 dimensions, not 768. يقوم mem0 بإنشاء الجدول باستخدام CREATE TABLE IF NOT EXISTS، لذا فإن تغيير الرقم وحده لا يؤثر على المجموعة الموجودة. قم بتعيين embedding_model_dims على العرض الفعلي لنموذجك، وتأكد من هذا العرض عن طريق استدعاء /v1/embeddings وعدّ القيم التي يُرجعها، وقم بتزويد مخزن المتجهات بـ collection_name جديد في نفس الوقت.

هل كان هذا المقال مفيدًا؟