准备工作：硬件、软件与账号

在开始前，请确认你的环境满足以下要求：

NAS 硬件：一台支持 Docker 的 x86 架构 NAS，建议内存 4GB 以上。Hindsight 容器运行时平均占用约 1GB 内存。

NAS 系统：确保 Docker 服务已开启并运行正常。

Hermes Agent：确保 Hermes 版本为 v0.7.0 或更高。可通过 hermes --version 命令确认。

大模型 API Key：Hindsight 需要一个外部大模型（如 DeepSeek, OpenAI, 硅基流动等）的 API Key 来提取记忆和理解语义。

第一步：在 NAS 上部署 Hindsight 服务

创建项目

创建项目，输入项目名称选择存储路径，将以下内容复制到compose中，并务必替换其中的 <> 占位符为你自己的信息。

version: "3.8"
services:
  hindsight:
    # 使用官方镜像，如果下载慢可考虑使用国内镜像源(比如南京大学镜像源ghcr.nju.edu.cn/vectorize-io/hindsight:latest)
    image: ghcr.io/vectorize-io/hindsight:latest
    container_name: hindsight
    restart: unless-stopped
    ports:
      - "8888:8888"  # API 端口，Hermes 将通过此端口通信
      - "9999:9999"  # WebUI 端口，可在浏览器中管理记忆
    environment:
      # --- 1. 配置用于提取记忆的大模型 (LLM) ---
      - HINDSIGHT_API_LLM_PROVIDER=openai # 或 siliconflow, deepseek 等
      - HINDSIGHT_API_LLM_BASE_URL=https://api.deepseek.com/v1 # 替换为你的 API 地址
      - HINDSIGHT_API_LLM_API_KEY=sk-xxxxxx # 替换为你的 API Key
      - HINDSIGHT_API_LLM_MODEL=deepseek-chat # 替换为你的模型名
      # 使用国内镜像(可选，当下载本地模型失败时可加上) 
      - HF_ENDPOINT=https://hf-mirror.com
      - HF_HUB_ENABLE_HF_TRANSFER=1   # 可选，加速下载
      
      # --- 2. (可选) 配置向量和重排序模型以优化中文检索
      # - HINDSIGHT_API_EMBEDDINGS_PROVIDER=litellm-sdk
      # - HINDSIGHT_API_EMBEDDINGS_LITELLM_SDK_API_KEY=your_siliconflow_key
      # - HINDSIGHT_API_EMBEDDINGS_LITELLM_SDK_MODEL=openai/BAAI/bge-large-zh-v1.5
      # - HINDSIGHT_API_RERANKER_PROVIDER=siliconflow
      # - HINDSIGHT_API_RERANKER_SILICONFLOW_API_KEY=your_siliconflow_key
      # - HINDSIGHT_API_RERANKER_SILICONFLOW_MODEL=BAAI/bge-reranker-v2-m3

      # --- 3. 启用 WebUI ---
      - HINDSIGHT_CONTROL_PLANE_ENABLED=true
    volumes:
      # 将数据持久化到NAS的 ./data 目录
      - ./data:/home/hindsight/.pg0
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:8888/health"]
      interval: 30s
      timeout: 10s
      retries: 3

启动 Hindsight 容器
首次启动时会拉取约 6.2GB 的镜像，请耐心等待。

验证服务是否正常运行

执行以下命令，或者直接访问http://你的NAS_IP:8888/health可查看状态

curl http://你的NAS_IP:8888/health

你也可以通过浏览器访问 http://你的NAS_IP:9999 来查看 Hindsight 的 Web 管理界面。

第二步：配置 Hermes 连接 Hindsight

进入 Hermes 配置向导
在运行 Hermes 的终端中，执行以下命令：

hermes memory setup

选择记忆提供商 (Provider)
在出现的选项中，使用键盘方向键选择 hindsight - API key/local，然后回车确认。

选择部署模式
当提示 Select deployment mode 时，选择 local External。

输入连接信息

API 地址: 输入 http://你的NAS_IP:8888。

API Key: 因为是本地部署，留空即可。

Profile 名字: 使用默认的 hermes 或自定义。

完成配置
向导会自动完成配置并安装必要的依赖。完成后，你的 Hermes 就已成功连接到本地 Hindsight 服务了。

第三步：验证与使用

检查连接状态
运行以下命令，确认 Provider 显示为 Hindsight 且状态正常：

hermes memory status

测试记忆功能

开启一个新会话，告诉 Hermes 一些个人信息，比如：“我的名字是 [你的名字]，我喜欢用 Python”。

结束当前会话。

开启一个全新的会话，直接问：“我的名字是什么？我喜欢用什么编程语言？”

如果 Hermes 能准确回答，说明 Hindsight 记忆系统已经成功生效。

⚠️ 避坑指南与注意事项

模型选择：Hindsight 用于提取记忆，而非日常对话。建议选择便宜、快速的模型（如 DeepSeek-V3、硅基流动的免费模型等），以降低长期使用成本。

模式区分：请务必选择 local 模式（对应 Docker 部署的 local_external）。不要选 Local Embedded，那是另一种直接在主机上跑的进程内模式。

API 兼容性：确保你配置的 HINDSIGHT_API_LLM_BASE_URL 和 MODEL 与你选择的 LLM 提供商完全匹配。

端口占用：确保 NAS 的 8888 和 9999 端口没有被其他服务占用。

数据持久化：docker-compose.yml 中的 volumes 配置将数据挂载到了本地的 ./data 目录，即使容器被删除，重新创建后数据依然存在。

按照以上步骤，你就能在 NAS 上拥有一个完全私有、永不离线的 AI 记忆“外挂大脑”了。