上一篇我们分享了如何在本地电脑搭建基础 RAG 系统，支持调用本地或公有云大模型处理各类任务。
这一次，我们聚焦核心需求“创建专属自己的RAG知识库”，让本地文档检索像搜索网页一样高效，全程用开源模型 nomic-embed-text 搞定文档向量化，新手也能轻松上手。
nomic-embed-text 是 Nomic AI 发布的一款 开源文本嵌入模型（text embedding model），主要用于将自然语言文本转换为高维向量表示。这些向量可以用于搜索、聚类、语义匹配、推荐、知识图谱、LLM 检索增强（RAG）等任务。
一、基本信息
- 模型名称：nomic-embed-text
- 开发团队：Nomic AI（同样开发了 Atlas 可视化平台）
- 开源协议：Apache 2.0
- 发布平台：Hugging Face / GitHub / Nomic 官方 API
- 输入输出：
- 输入：一段文本（可长可短）
- 输出：一个固定维度的向量（embedding），如 dim=768 或更高
二、主要特性
- 开源可商用
完全开源，可自由部署在本地、云端或私有环境中。
无需依赖 OpenAI 或其他闭源 API。
- 高性能表现
在多项语义相似度、检索任务上与 OpenAI 的 text-embedding-3-large 相媲美。
支持多语言（英语表现最佳，也支持中文、法语等）。
- 长上下文支持
- 支持较长输入文本（如几千个 token），方便处理文档类场景。
- 优化的 embedding 空间
- 通过对比学习（contrastive learning）训练，使语义相关的句子在向量空间中更接近。
三、性能对比(示例)
| 模型 | 维度 | 是否开源 | 平均语义相似度 | 支持语音 |
|---|---|---|---|---|
| nomic-embed-text-v1 | 768 | ✅ 是 | 0.82 | 多语言 |
| OpenAI text-embedding-3-large | 3072 | ❌ 否 | 0.84 | 多语言 |
| all-MiniLM-L6-v2 | 384 | ✅ 是 | 0.78 | 英语 |
四、典型应用场景
****🔎语义搜索：基于向量检索文档内容
💬问答系统(RAG)：为 LLM 提供上下文支持
🧩 聚类/分类：分析文本语义相似度
🧠 知识图谱：节点表示学习
💡推荐系统：基于内容的相似度推荐
五、相关版本
| 版本 | 发布时间 | 说明 |
|---|---|---|
| nomic-embed-text-v1 | 2014年 | 首个主要版本，通用文本嵌入模型 |
| nomic-embed-multilingual | 预计中 | 多语言增强版（计划支持更多语言） |
六、资源链接
🔗HuggingFace模型页 https://huggingface.co/nomic-ai/nomic-embed-text-v1🔗Nomic官网 https://www.nomic.ai/🔗GitHub仓库 https://github.com/nomic-ai七、本地 RAG 知识库搭建步骤
- 下载嵌入模型
🔗下载模型 https://ollama.com/library/nomic-embed-text首先我们复制要下载词嵌入模型名称来做RAG的文档向量化，在本地命令行中输入：ollama pull nomic-embed-text下载成功后会显示 "success"。- 创建工作区+上传
新建工作区，命名为 “本地知识库”（便于管理）
上传需要检索的文档，支持 Word、PDF、TXT 等格式（我上传了 PowerFlex 结合 VMware 的管理安装手册）
- 文档向量化 + 存储
AI系统中可以使用不同的模型将文档切片做完向量化（不同的切片对应不同的向量表示），存储到向量数据库中就可以直接基于语义等相似性做检索了。
❗️❗️❗️ 注：真正的RAG是一个较复杂的系统，后续文章中我们会用一张思维导图单独说明RAG中用的各种技术。
下拉对话框，选择：Save and Embed，等待处理完成即可。
- 精准检索测试
直接问AI关于PDF中的知识点，AI先经过思考之后 ，检索向量数据库，将参考PDF中向量后的内容给出答案。
我的问题是：VMware ESXi 升级前提条件是什么？
系统快速返回了核心答案，对比官方手册后完全一致，召回率满分，确实和官方手册的文档一致，说明搭建的RAG系统没问题。
八、nomic-embed-text 其他使用方式
除了搭配RAG系统，还能通过两种方式单独使用，满足不同开发需求： 方式 1：通过 Hugging Face Transformersfrom sentence_transformers import SentenceTransformer model = SentenceTransformer("nomic-ai/nomic-embed-text-v1") embeddings = model.encode([ "人工智能正在改变世界。", "AI is transforming the world." ]) print(embeddings.shape) # 输出(2, 768)，即2个文本，每个生成768维向量方式 2：通过 Nomic 官方 APIimport requests response = requests.post( "https://api-atlas.nomic.ai/v1/embedding/text", json={"texts": ["Hello world!", "你好，世界！"]} ) print(response.json())想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
