调用 Ollama 的 /api/embeddings，为什么返回空向量

向 Ollama 发送了文本，响应却是 {"embedding": []}，甚至没有 HTTP 错误。若请求地址是 /api/embeddings，正文里写的却是 input，先改正接口与字段的配对。

Ollama 原生接口中，/api/embed 与 /api/embeddings 是不同契约。下面按服务端 0.11.4、Python 客户端 0.5.3 核对；旧接口仍存在，但已由新接口取代，不应说成已经删除。

三处要一起对应

/api/embed：文本字段是 input，接受字符串或字符串列表；响应的向量字段是 embeddings，为二维列表。
/api/embeddings：文本字段是 prompt，接受单个字符串；响应的向量字段是 embedding，为一维列表。

在 0.11.4 的旧接口中，缺少或为空的 prompt 会走加载模型的分支，返回空向量。把 input 发到旧地址时，并没有把文本写进它读取的 prompt 字段；HTTP 200 不能证明完成了文本编码。

反过来，把 prompt 发到新地址，同样不符合新接口的 input 约定。别只改一个字段后继续沿用另一套响应读取代码，例如迁移到 embed 后仍读 data["embedding"]。

使用新接口，核对每个输入的向量

下例向本机服务发送编码请求。模型名为占位值，应换成已经安装并确认适用于 embedding 的模型；示例不负责下载模型：

import requests

texts = ["向量检索", "全文搜索"]
response = requests.post(
    "http://localhost:11434/api/embed",
    json={
        "model": "your-installed-embedding-model",
        "input": texts,
        "truncate": False,
    },
    timeout=(5, 120),
)
response.raise_for_status()
data = response.json()
if "error" in data:
    raise RuntimeError(data["error"])
vectors = data["embeddings"]
if len(vectors) != len(texts) or any(len(vector) == 0 for vector in vectors):
    raise ValueError("embedding count or dimension is invalid")

即使只传一个字符串，新接口响应的 embeddings 仍是向量列表，需要先取对应那一行，再把一维向量交给下游。truncate=False 让超出当前上下文的输入明确失败；它不会扩大上下文，也不代表任意模型都支持同样长度。

有意维持旧接口的代码，则发送 {"model": "...", "prompt": "实际文本"}，读取 embedding。把接口地址、请求模型、字段名和响应形状记录在同一配置或封装中，可以避免一半新、一半旧。

Python SDK 的方法也各自配对

客户端 0.5.3 的 embed(model=..., input=...) 对应 /api/embed；embeddings(model=..., prompt=...) 对应 /api/embeddings，后者标注弃用。不能因一次手写 HTTP 请求用了错误字段，就断言 SDK 把 input 发到了旧地址。

如果直接调用 SDK 正常，经过自己的代理后为空，检查代理的路径重写和 JSON 字段转换。日志避免记录原始业务文本；诊断只需要确认路径、字段是否存在、输入条数和输出维度。

字段配对正确却仍为空，还要检查是否实际传入空字符串或空列表，以及模型和错误响应。新接口没有有效输入时也可能返回空 embeddings；不能用空列表填充成零向量继续写入索引。

迁移接口或更换模型后，核对向量维度与下游索引要求。维度一致也不能证明两个模型的语义空间一致；已经有 Chroma 索引时，见模型与集合向量维度不匹配的处理。保留原接口配置和旧索引，确认编码与代表性检索结果后再切换。