docs(README): Embedding 推荐更新为 Qwen3-Embedding-0.6B（Q8_0 639MB 首选，ModelScope 国内可下/GGUF，dim 1024 注意清向量表）

README.md

@@ -60,31 +60,32 @@ go build -ldflags="-s -w" -trimpath -o cyrene ./cmd/cyrene/
 ## Embedding 模型推荐
 
 > 用于长记忆/知识库**语义向量检索**（默认不配 = 内置 n-gram 向量，dim=256，离线但质量一般）。
-> 配了 `EMBEDDING_API_URL/MODEL` 后走**真语义**。维度 = 模型 dim，与向量索引一致的；**切换模型会改维度，需清空旧向量数据**。
+> 配了 `EMBEDDING_API_URL/MODEL` 后走**真语义**。维度 = 模型 dim，与向量索引一致；**切换模型会改维度，需清空旧向量数据**。
 
 | 模型 | dim | 大小 | 推理内存 | 质量 | 建议 |
 |------|-----|------|---------|------|------|
-| **bge-m3** | 1024 | ~2.2GB(fp16) / ~1.2GB(Q4) | ~2–3GB | ★★★★★（跨语言最强） | ⭐ **首选**（内存充足/GPU 时） |
-| **bge-small-zh-v1.5** | 512 | ~30–100MB | ~几十MB | ★★★★ | ✅ **资源受限环境推荐**（轻且稳） |
+| **Qwen3-Embedding-0.6B** | 1024 | Q8_0 **639MB** / f16 1.2GB | ~0.7–1GB | ★★★★★（多语言、2025 新、MTEB 榜前列） | ⭐ **首选**（ModelScope 国内可下 + GGUF；Q8_0 639MB 契合低内存） |
+| **bge-m3** | 1024 | ~2.2GB(fp16) / ~1.2GB(Q4) | ~2–3GB | ★★★★★（跨语言标杆） | 内存 / GPU 充裕时可用 |
+| **bge-small-zh-v1.5** | 512 | ~30–100MB | ~几十MB | ★★★★ | 极轻量备选 |
 | nomic-embed-text | 768 | ~270MB | ~400–600MB | ★★★☆ | 可 |
 | mxbai-embed-large | 768 | ~350–670MB | ~0.8–1GB | ★★★★ | 可 |
 
-> **说明**：bge-m3 质量最好、跨语言，**推荐内存/GPU 较充足的部署**；**资源受限环境**（低内存 / 无 GPU）建议用轻量的 **bge-small-zh-v1.5**（快、稳，中文/多语言够用）——按部署资源取舍质量与性能。
+> **首选说明**：**Qwen3-Embedding-0.6B**（阿里通义 2025-06 开源，覆盖 100+ 语言，MTEB 多语言榜前列）——**有 GGUF**、**ModelScope（魔搭）国内直连可下**（HuggingFace 在国内已不可访问）；`Q8_0` 仅 **639MB**，即使内存紧张（如 ~3GB 可用、无独立显存的 UMA GPU）也能跑，且质量≈f16。比 bge-m3 更新、比 bge-small 强。若内存非常宽裕再考虑 bge-m3。
 
-`.env` 示例（本地 Ollama）：
+`.env` 示例（本地 Ollama / llama.cpp）：
 ```bash
 EMBEDDING_API_URL=http://localhost:11434/v1
-EMBEDDING_MODEL=bge-small-zh-v1.5
+EMBEDDING_MODEL=Qwen3-Embedding-0.6B
 # EMBEDDING_API_KEY=
 ```
 
-**llama.cpp 能替代 Ollama 吗？** —— 能。llama.cpp 的 `llama-server`（服务模式）同样暴露 **OpenAI 兼容 `/v1/embeddings`**，用单二进制 + 一个 GGUF 嵌入模型即可：
+**llama.cpp 能替代 Ollama 吗？** —— 能，且更省内存。llama.cpp 的 `llama-server`（服务模式）同样暴露 **OpenAI 兼容 `/v1/embeddings`**，用单二进制 + 一个 GGUF：
 ```bash
-./llama-server -m bge-small-zh-v1.5-Q4.gguf --embedding --port 11434
-# 然后 EMBEDDING_API_URL=http://localhost:11434/v1 照用
+./llama-server -m Qwen3-Embedding-0.6B-Q8_0.gguf --embedding -ngl 99 --port 11434
+# 然后 EMBEDDING_API_URL=http://localhost:11434/v1 照用（dim=1024；切换前清一次向量表）
 ```
 - **Ollama**：模型管理方便（`pull`）、开箱即用，但常驻偏重。
-- **llama.cpp**：单文件更轻（内存更省，适合资源受限 / 单机部署）、可离线自制 GGUF；但模型要自己下/转（无 registry）。
+- **llama.cpp**：单文件更轻（内存更省，适合资源受限 / 单机部署）、可离线自制 GGUF；但模型要自己下/转（无 registry）。注意：**llama.cpp 只认 GGUF**，`model.safetensors` 是 transformers/HF 用的，不能直接喂 llama.cpp。
 - 二者对上层代码**等价**（都是 OpenAI 兼容 embedding 端点）；资源受限时 llama.cpp 更省内存，追求易用则选 Ollama。
 
 ---