docs(embedding): EMBEDDING_API_URL 为完整 /v1/embeddings 端点（非 base）；示例改 Qwen3-Embedding-0.6B

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。