diff --git a/.env.example b/.env.example
index 1b57bc9..526a8ca 100644
--- a/.env.example
+++ b/.env.example
@@ -33,6 +33,7 @@ DB_SQLITE_PATH=./data/cyrene.db
 # ---- LLM 多供应商（LLM_PROVIDER 显式声明协议：openai / anthropic，默认 openai） ----
 # Provider = openai：OpenAI 兼容 /chat/completions（含 OpenAI 兼容网关，也可经它承载 Anthropic 模型，但失去原生 tool input 对象优势）
 LLM_PROVIDER=openai
+
 LLM_BASE_URL=https://api.openai.com/v1
 LLM_API_KEY=sk-xxxxx
 LLM_MODEL=gpt-4o
@@ -44,11 +45,12 @@ LLM_FALLBACK_MODEL=gpt-4o-mini
 # ANTHROPIC_MODEL=claude-sonnet-4-20250514
 # ANTHROPIC_FALLBACK_MODEL=claude-haiku-3-5
 
-# ---- 记忆嵌入（可选） ----
-# 不配置时使用内置 n-gram / FTS 向量。配置后必须真实走语义路径（M4 接入）。
-# EMBEDDING_API_URL=http://localhost:11434/v1
+# ---- 记忆嵌入（可选，真语义） ----
+# 不配置时使用内置 n-gram / FTS 向量（dim=256）。配置后必须真实走语义路径。
+# EMBEDDING_API_URL 是【完整 /embeddings 端点】（不是 base）——例：Ollama / llama.cpp = http://localhost:11434/v1/embeddings
+# EMBEDDING_API_URL=http://localhost:11434/v1/embeddings
 # EMBEDDING_API_KEY=
-# EMBEDDING_MODEL=bge-m3
+# EMBEDDING_MODEL=Qwen3-Embedding-0.6B   # 推荐（Q8_0 ~639MB、dim=1024、ModelScope 国内可下）
 
 # ---- IoT 设备提供者 ----
 # mock = 模拟智能家居设备（开发测试用）；none = 禁用 IoT。
diff --git a/README.md b/README.md
index e69dbba..caa778f 100644
--- a/README.md
+++ b/README.md
@@ -74,7 +74,8 @@ go build -ldflags="-s -w" -trimpath -o cyrene ./cmd/cyrene/
 
 `.env` 示例（本地 Ollama / llama.cpp）：
 ```bash
-EMBEDDING_API_URL=http://localhost:11434/v1
+# EMBEDDING_API_URL 必须是【完整 /embeddings 端点】（不是 base）
+EMBEDDING_API_URL=http://localhost:11434/v1/embeddings
 EMBEDDING_MODEL=Qwen3-Embedding-0.6B
 # EMBEDDING_API_KEY=
 ```
@@ -82,7 +83,7 @@ EMBEDDING_MODEL=Qwen3-Embedding-0.6B
 **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 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）
+# 然后 EMBEDDING_API_URL=http://localhost:11434/v1/embeddings 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）。注意：**llama.cpp 只认 GGUF**，`model.safetensors` 是 transformers/HF 用的，不能直接喂 llama.cpp。