《记一次Chromadb踩坑实录：藏在源码里的"秘密通道"》

一、背景：当LangChain成为黑箱

前两天优化RAG项目时，调整元数据参数后突然发现后续内容无法生成embedding。由于LangChain封装过于完善，排查就像在摸黑修车------连引擎盖都找不到螺丝刀口。于是决定抛开框架，自己动手实现RAG核心流程（除了分片外全裸奔）。

二、技术选型：当Chromadb遇上Ollama

选择通过Chromadb的integrations集成方案，关键点在于：

使用第三方模型nomic-embed-text:latest而非Chromadb默认embedding
实现代码看似简单（但暗藏玄机）：

至于为什么用这种方式呢，因为embedding用的不是chromadb自己的embedding，用的是 nomic-embed-text:latest 向量模型，实现的代码如下：

ini 复制代码

from chromadb.utils.embedding_functions.ollama_embedding_function import (
    OllamaEmbeddingFunction,
)

# 配置Ollama客户端和模型
OLLAMA_BASE_URL = "http://xx.xx.xx.xx:xxxx"  # Ollama服务地址
OLLAMA_MODEL = "nomic-embed-text:latest"  # 嵌入模型


def get_ollama_embeddings():
    embedding_function = OllamaEmbeddingFunction(url=OLLAMA_BASE_URL, model_name=OLLAMA_MODEL)
    return embedding_function

但是怎么也都不好使儿，就是连不上呀，代码也跟官方文档一模一样呀？经过多次的修改调试，发现了一个有趣的东西。

三、踩坑现场：消失的API路径

当代码反复报错时，我经历了程序员经典心路历程：

自信："文档示例就这么写的！"
怀疑："难道防火墙有问题？"
崩溃："Ollama服务明明能ping通啊！"

直到翻开源码，发现这个"藏宝图"：

js 复制代码

def __call__(self, input: Union[Documents, str]) -> Embeddings:
    """
    Get the embeddings for a list of texts.

    Args:
        input (Documents): A list of texts to get embeddings for.

    Returns:
        Embeddings: The embeddings for the texts.

    Example:
        >>> ollama_ef = OllamaEmbeddingFunction(url="http://localhost:11434/api/embeddings", model_name="nomic-embed-text")
        >>> texts = ["Hello, world!", "How are you?"]
        >>> embeddings = ollama_ef(texts)
    """
    # Call Ollama Server API for each document
    texts = input if isinstance(input, list) else [input]
    embeddings = [
        self._session.post(
            self._api_url, json={"model": self._model_name, "prompt": text}
        ).json()
        for text in texts
    ]
    return cast(
        Embeddings,
        [
            embedding["embedding"]
            for embedding in embeddings
            if "embedding" in embedding
        ],
    )

原来官方示例的http://localhost:11434后面还藏着/api/embeddings这个秘密通道！

四、神转折：加个路径就通了

修改方案简单到令人发指：

ini 复制代码

from chromadb.utils.embedding_functions.ollama_embedding_function import (
    OllamaEmbeddingFunction,
)

# 配置Ollama客户端和模型
OLLAMA_BASE_URL = "http://xx.xx.xx.xx:xxxx/api/embeddings"  # Ollama服务地址
OLLAMA_MODEL = "nomic-embed-text:latest"  # 嵌入模型


def get_ollama_embeddings():
    embedding_function = OllamaEmbeddingFunction(url=OLLAMA_BASE_URL, model_name=OLLAMA_MODEL)
    return embedding_function

效果立竿见影。

五、经验总结

源码是最好的文档：官方示例有时就像宜家说明书------省掉了关键步骤
网络调试三板斧：
- 先查物理连接（ping）
- 再验协议规范（curl测试）
- 最后啃源码实现
框架封装是把双刃剑：LangChain虽方便，但理解底层机制才能根治疑难杂症

最终感悟：编程就像侦探破案，最明显的线索往往藏在最不起眼的代码注释里。这次经历再次证明------当所有路都走不通时，Ctrl+点击跳转源码永远是终极武器。