使用 OpenAI 的 Embeddings 接口是有费用的，如果想对大量文档进行测试，使用本地部署的 Embeddings 就能省去大量的费用，所以我们尝试使用本地的 Ollama Embeddings。

首先本地安装 Ollama: https://ollama.com/download

即使你电脑没有性能很强的显卡，仅仅依靠 CPU 也能运行一些参数量较小的模型。ollama 中下载量最多的是 llama2 模型，但是这个模型对中文支持不太好，我们可以试试 Google 开源的 gemma 模型：

https://ollama.com/library/gemma

这个模型包含几个不同的版本，默认为 7b 的版本，可以先试试 7b，如果速度太慢可以换 2b 试试，执行命令 ollama run gemma 时会下载模型并运行，模型默认会下载到用户目录中的 .ollama 中，如果用户目录（一般在C盘）所在盘空间少，可以提前通过环境变量方式修改位置，参考下面的配置（改成自己的路径）：

OLLAMA_MODELS=D:\.ollama

如果不会在 Windows 创建 .前缀的目录，也可以用正常目录，也可以打开 git bash，使用命令 mkdir .ollama 创建

配置环境变量后一定打开一个新的 CMD 或者 Terminal，然后执行 ollama rum gemma 下载并启动模型（已经下载到用户目录的模型可以整体移动到新的目录）。启动后可以在控制台进行对话，如下所示：

>ollama run gemma

>>> 你好

你好！我很好，谢谢您的问候。

您想让我做什么呢？我能够帮助您吗？

接下来在 Spring AI 中使用该模型，首先引入Maven依赖：

<dependency>

<groupId>org.springframework.ai</groupId>

<artifactId>spring-ai-ollama-spring-boot-starter</artifactId>

</dependency>

通过下面示例代码运行：

var ollamaApi = new OllamaApi();

var chatClient = new OllamaChatClient(ollamaApi).withModel("gemma")

.withDefaultOptions(OllamaOptions.create()

.withModel("gemma")

.withTemperature(0.9f));

Scanner scanner = new Scanner(System.in);

while (true) {

System.out.print(">>> ");

String message = scanner.nextLine();

if (message.equals("exit")) {

break;

}

String resp = chatClient.call(message);

System.out.println("<<< " + resp);

}

接口使用很简单，下面再看如何使用 Ollama 的 Embeddings。

var ollamaApi = new OllamaApi();

//指定使用的模型

var embeddingClient = new OllamaEmbeddingClient(ollamaApi)

.withDefaultOptions(OllamaOptions.create().withModel("gemma"));

//测试数据

VectorStore vectorStore = new SimpleVectorStore(embeddingClient);

vectorStore.add(List.of(

new Document("白日依山尽，黄河入海流。欲穷千里目，更上一层楼。"),

new Document("青山依旧在，几度夕阳红。白发渔樵江渚上，惯看秋月春风。"),

new Document("一片孤城万仞山，羌笛何须怨杨柳。春风不度玉门关。"),

new Document("危楼高百尺，手可摘星辰。不敢高声语，恐惊天上人。")

));

Scanner scanner = new Scanner(System.in);

while (true) {

System.out.print("请输入关键词: ");

String message = scanner.nextLine();

if (message.equals("exit")) {

break;

}

List<Document> documents = vectorStore.similaritySearch(message);

System.out.println("查询结果: ");

for (Document doc : documents) {

System.out.println(doc.getContent());

}

}

在我本地运行时（靠CPU），解析文档耗时如下：

10:33:10.423 - Calling EmbeddingClient for document id = 44d0114f-62ae-4d05-9e6d-457f157386ce

10:33:16.201 - Calling EmbeddingClient for document id = ac65024a-26a9-4827-af4c-af48a3321a4b

10:33:22.176 - Calling EmbeddingClient for document id = 53747918-8e8e-42e1-b4e6-3792c24b6881

10:33:26.125 - Calling EmbeddingClient for document id = 63123b8d-b475-48b4-b38e-71dbf1b49250

每一条文本耗时在6秒左右。解析完成后输入提示词进行验证：

请输入关键词: 春风

查询结果:

青山依旧在，几度夕阳红。白发渔樵江渚上，惯看秋月春风。

一片孤城万仞山，羌笛何须怨杨柳。春风不度玉门关。

白日依山尽，黄河入海流。欲穷千里目，更上一层楼。

危楼高百尺，手可摘星辰。不敢高声语，恐惊天上人。

请输入关键词: 黄河

查询结果:

青山依旧在，几度夕阳红。白发渔樵江渚上，惯看秋月春风。

一片孤城万仞山，羌笛何须怨杨柳。春风不度玉门关。

白日依山尽，黄河入海流。欲穷千里目，更上一层楼。

危楼高百尺，手可摘星辰。不敢高声语，恐惊天上人。

春风的结果还可以，但是黄河的结果就不对了。

如何使用其他模型进行 Embedding 呢？

只要启动了任何一个模型，我们通过修改上面的 withModel("gemma") 中的参数即可使用其他模型，如果本地下载过 llama2 模型，就可以直接改这里的参数，不需要重新执行 ollama run llama2 命令，这个命令影响 chat 功能的使用，不影响 embedding。如果指定的模型不存在，会提示如下信息：

[404] Not Found - {"error":"model 'llama2' not found, try pulling it first"}

可以通过 ollama pull llama2 进行下载。

我们还可以搜专门的 embedding 模型，搜索时注意下图搜索的位置：

顶部可以搜索全局的模型，不限于官方 library 下面的模型，搜索 embedding 结果如下：

我们可以试试 mofanke/dmeta-embedding-zh 这个模型，还有一个 mofanke/acge_text_embedding 是我联系作者后，作者新提供的模型，后面文章也会以这个为例介绍如何将 huggingface 上的模型转换为 ollama 的模型来使用。

使用命令 ollama pull mofanke/dmeta-embedding-zh 下载模型，这个模型不能通过 ollama run xxx 启动，需要通过其他模型启动后来引用，还使用前面的 ollama run gemma，下载完模型后修改 withModel("mofanke/dmeta-embedding-zh")，然后进行测试即可。

Ollama 的存在使得 Java 调用各种开源大模型变得更统一更简单，就好比大部分商业大模型都参考 OpenAI 的 API，方便我们调用一样。通过 Ollama 的扩展方式，还可以方便我们导入官方仓库不存在的其他模型，后续文章会以 acge_text_embedding 为例介绍如何自定义基于 PyTorch 的模型。