用途：本指南面向使用 Ollama 构建检索增强生成（RAG）系统的开发者，覆盖本地运行与云端大模型两种方式，并给出模型选择、嵌入模型、技术栈与硬件参考。
主要能力与模型：Ollama Cloud 需通过 ollama signin（v0.12+）登录访问，无需本地存储，包含 deepseek-v3.2:cloud（671B，160K 上下文，推理）、deepseek-v3.1:671b-cloud、qwen3-coder:480b-cloud（480B，256K-1M 上下文，面向仓库级智能体编程）、minimax-m2:cloud（230B，10B 激活，128K，工具调用）、gpt-oss:120b-cloud、glm-4.6:cloud。本地模型分推理类（nemotron-3-nano 30B/3.6B 激活，1M tokens；deepseek-r1 7B-671B；qwq 32B；llama4 109B/400B）与高效类（llama3.2:3b、mistral-small-3.1、gemma3）。嵌入模型提供 snowflake-arctic-embed2、mxbai-embed-large、nomic-embed-text，资料建议精度优先选 snowflake-arctic-embed2，速度优先选 nomic-embed-text。
使用方式：快速开始命令如 ollama signin、ollama run deepseek-v3.2:cloud、ollama pull nemotron-3-nano、ollama pull snowflake-arctic-embed2。技术栈有 A）LangChain + ChromaDB，使用 OllamaLLM/OllamaEmbeddings 与 RecursiveCharacterTextSplitter 完成加载、切分、嵌入、检索与问答；B）LlamaIndex，配置 Settings.llm 与 Settings.embed_model 后建索引查询；C）原生 Ollama API + ChromaDB，依赖最少。向量库可选 ChromaDB、FAISS、Qdrant、Weaviate。
适用场景与限制：适合本地文档问答、长文档与代码库检索、需要隐私保护的部署。硬件参考为 3B 模型约 8GB 内存/4GB 显存，7-8B 约 16GB/8GB，30B 约 32GB/24GB，70B+ 需 64GB+ 内存与 48GB+ 显存。云端模型与价格、延迟、可用性等事实暂未提供，实际效果需自行验证。