本文介绍如何在本地 Python 环境中调用 ModelScope 公网的 bge-m3 embedding 模型，对文档进行向量化处理。内容包含环境准备、API 调用示例、文本批量向量化方法以及常见踩坑说明，适合需要构建 RAG、知识库或语义检索系统的开发者快速上手

RocketMQ 5.x 引入 Controller 模式后，元数据管理基于 DLedger（Raft）实现强一致写入，但在实际实现中，appendToDLedgerAndWait 返回成功并不意味着状态机已完成 apply。本文从 Raft commit / apply 语义出发，结合 Controller 在重启与选主场景下的行为，分析其一致性边界，并解释 RocketMQ 选择“写强读弱”的