想给本地文档做AI搜索，第一步要把文档变成AI能读的向量。这个操作叫嵌入（把文字变成一串数字，让AI能比较相似度）。本文用Ollama这个免费工具，带你一步步在电脑上跑通。

准备环境：装Ollama

Ollama是一个本地运行AI模型的工具，支持Mac、Windows、Linux。去官网下载对应版本，安装后打开终端，输入以下命令验证是否装好：

1. 打开终端（Mac）或命令提示符（Windows）。
2. 输入 ollama --version，看到版本号就成功了。

如果没显示，检查是否把Ollama加入系统路径，或重启终端。

安装模型：拉取bge-m3

bge-m3是一个开源嵌入模型，体积小，适合本地用。在终端输入：

ollama pull bge-m3

下载完成后，输入 ollama list 能看到它，就说明装好了。

第一次跑通：用Python发送嵌入请求

Ollama自带API，我们可以用Python调它。先安装Python（如果没装），然后写个脚本：

1. 新建文件 embed_test.py，粘贴下面代码。
2. 把 your_text 换成你想嵌入的句子。
3. 运行 python embed_test.py。

import requests
url = "http://localhost:11434/api/embed"
data = {"model": "bge-m3", "input": "你的文本"}
res = requests.post(url, json=data)
print(res.json()["embeddings"][0][:5])

如果看到一串数字，说明嵌入成功！

常见坑与下一步

第一次跑，可能遇到两个问题：

• 连接失败：先确认Ollama在运行（终端输入 ollama serve）。
• 文本太长报错：嵌入模型有长度限制，超长要截断或分段，别一次塞太多。

现在你已经会本地嵌入文本了。下一步可以试试把多篇文档批量嵌入，存到向量数据库，做一个简单的本地搜索。Ollama官网有更多模型和API文档，跟着学就行。