edit(content): review batch-1 editorial pass across 24 posts (EN + ZH)

- voice: first-person throughout (we/our -> I/my), matching the post guideline
- privacy: internal LAN IPs replaced with placeholder hostnames
  (n8n.internal, gpu-node.internal); one compose volume path generalised
- ZH twins: Traditional -> Simplified characters (site serves zh-Hans),
  whole-file renormalisation where the twin was still Traditional
- dynamicCta: true on 12 posts so the contextual dual-track CTA renders
- long configs wrapped in <details class="tech-deep-dive"> with a summary
  naming the artefact and line count
- self-hosted-tts: token refresh now writes .tmp + atomic mv, with a note on
  the 401 race the old truncating redirect created

src/content/posts/zh/self-hosting-mem0-memory-stack.md

@@ -1,8 +1,10 @@
 ---
-title: "我如何在自家 NAS 上自托管 Mem0 记忆栈（让 AI 助手有记忆）"
+title: "我如何在私有存储节点上自托管 Mem0 记忆栈（让 AI 助手拥有持久记忆）"
 description: "一套私有、自托管的 AI 助手记忆层——mem0 API + LiteLLM + PostgreSQL/pgvector，跑在 Synology NAS 上。语义记忆由你掌控，而不是第三方手里。"
 pubDate: 2026-09-16
 category: case-studies
+blueprint: ai-agent-automation
+blueprintLayer: L2-llm-gateway-agents
 tags: [mem0, docker, postgres, pgvector, litellm, ai, sharing]
 ogImage: /og/zh-self-hosting-mem0-memory-stack.jpg
 banner: /banners/self-hosting-mem0-memory-stack.jpg
@@ -10,7 +12,7 @@ banner: /banners/self-hosting-mem0-memory-stack.jpg
 
 一个每次对话后都忘光一切的 AI 助手，就是一个每轮都要你重新自我介绍的工具。我的 AI 助手（就是驱动这个博客工作流的那个）曾经每场会话都从零开始——直到我给它加了一层**记忆**：一套自托管的 [mem0](https://mem0.ai) 栈，负责存储它学到的事实、按语义检索、并跨会话存活。
 
-这就是我在自家 Synology NAS 上自托管它的故事——私有、完全由我掌控、数据绝不离开我的局域网。
+这就是我在自托管生产存储节点（Synology DS1821+）上部署这套系统的工程实践——私有、完全由我掌控、数据绝不离开我的局域网。
 
 ## 为什么这件事重要
 
@@ -27,7 +29,7 @@ banner: /banners/self-hosting-mem0-memory-stack.jpg
 Mem0 是给 LLM 应用用的「开箱即用的记忆」。你不用手搓嵌入表和相似度检索，它给一个小 API，把记忆需要的三件事都做了：
 
 1. **加一条记忆** —— `POST /memories` 传一条事实或一段对话；它抽取、去重并存储（可选由 LLM 分类）。
-2. **检索** —— `GET /search` 带一个 query，返回按语义相似度排序的相关事实。
+2. **检索** —— `POST /search` 带一个 JSON 请求体，返回按语义相似度排序的相关事实。
 3. **按用户隔离** —— 记忆归属 `user_id`，所以可以按客户、按项目、按会话分开，互不串扰。
 
 「记忆」就是抽取出来的事实；「检索」就是向量相似度。哪怕你从没亲手碰过向量数据库，也能让助手有记忆。
@@ -54,6 +56,9 @@ Synology DS1821+ 上用 Portainer compose 栈跑三个容器：
 
 一份有代表性的 compose 长这样：
 
+<details>
+<summary>📄 docker-compose.yml（30 行）— Mem0 + LiteLLM + pgvector 生产编排配置</summary>
+
 ```yaml
 services:
   mem0-postgres:
@@ -77,24 +82,26 @@ services:
     build: ./mem0-api
     environment:
       OPENAI_API_KEY: ${OPENAI_API_KEY}
-      OPENAI_API_BASE: http://mem0-litellm:4000/v1   # go through the gateway
-      MEM0_API_KEY: ${MEM0_API_KEY}                  # X-Api-Key for /search & /memories
-      POSTGRES_URL: postgresql://mem0:${MEM0_DB_PASSWORD}@mem0-postgres/mem0
+      OPENAI_API_BASE: http://mem0-litellm:4000/v1   # 穿过网关
+      MEM0_API_KEY: ${MEM0_API_KEY}                  # /search 与 /memories 的 X-Api-Key
+      POSTGRES_URL: postgresql://mem0:***@mem0-postgres/mem0
     ports:
       - "20015:8000"
     restart: unless-stopped
 ```
 
-（我是从 mem0 仓库本地构建、把模型/事实抽取指向 LiteLLM；确切的镜像版本是我自己维护本地镜像的结果。真实 API key 我放在 compose 文件外面，走环境变量密文注入。）
+</details>
+
+（我的镜像是从 mem0 仓库构建的，模型/事实抽取指向 LiteLLM；具体 tag 是我维护的本地构建版本，真正的 API key 我不放在 compose 里——由环境密文注入。）
 
 ## 使用
 
-起起来之后，这个 API 小到意外。加一条事实（快速、逐字保存）：
+服务起来之后，API 简单得让人神清气爽。写入一条事实（快速、原样存储）：
 
 ```bash
-curl -X POST http://192.168.1.1:20015/memories \
+curl -X POST http://nas-node.internal:20015/memories \
   -H "Content-Type: application/json" \
-  -H "X-Api-Key: $MEM0_API_KEY" \
+  -H "X-Api-Key: ***" \
   -d '{
     "user_id": "customer-2211",
     "text": "Customer 2211 prefers email over WhatsApp for order updates."
@@ -104,9 +111,9 @@ curl -X POST http://192.168.1.1:20015/memories \
 之后再取最相关的记忆：
 
 ```bash
-curl -X POST http://192.168.1.1:20015/memories/search \
+curl -X POST http://nas-node.internal:20015/search \
   -H "Content-Type: application/json" \
-  -H "X-Api-Key: $MEM0_API_KEY" \
+  -H "X-Api-Key: ***" \
   -d '{
     "user_id": "customer-2211",
     "query": "how should I reach this customer?",