打开任何一台开发者的电脑，Claude Code、OpenCode、Codex、Gemini CLI 这些 AI 编程助手都以同一种形态存在，即终端里一个可执行命令。在浏览器插件、桌面应用和 IDE 集成都已成熟的今天，头部 Agent 产品不约而同地选择了命令行接口（Command Line Interface，CLI）作为主分发形态。这不是历史惯性，而是 Agent 与外部系统协作模式的必然结

在前一章中，笔者完成了 Ollama 的安装与 CLI 验证。CLI 适合人机对话调试，对应用集成来说仍然不够直接：业务代码无法读取 CLI 进程的输出，也无法控制并发与超时。Ollama 真正向应用开放的能力，是常驻在 11434 端口的 HTTP 接口。本章把这条 HTTP 通道彻底走通，让读者在不依赖任何 SDK 的前提下，用 Python 的 requests 与 httpx 实现生成、对

如果读者曾因公司数据安全、网络延迟或调用成本，犹豫是否要把项目接入云端大模型，那么本章将给出一种本地化的解题路径。Ollama 把模型权重下载到本地磁盘，将推理过程封装为一个常驻进程，通过 HTTP 接口对外提供能力，使得在一台普通笔记本上跑起 LLM 与 Embedding 不再需要复杂的环境配置。本章先把开发机准备成可调用大模型的状态：安装运行时、拉取所需模型、用 CLI 验证生成与对话效果。

到目前为止，知识库、检索工具、MCP 客户端都已经就绪，但仍缺少一个面向最终用户的入口。本章用 FastAPI 把整条 RAG 链路串起来：接收前端发来的自然语言问题，调用 MCP 工具检索相关工单，构造检索增强提示词喂给 Ollama，再用 SSE 把模型的流式回答推送到前端。完成本章后，读者将拥有一个可被任意前端调用的 /llm/rag 接口，并理解 SSE 协议为何特别适合本地 LLM 这种

走到本章，读者已经在前面九章里把所有零件分别讲清楚。但分头跑通与整套跑通是两回事：Ollama、MCP Server、FastAPI、Next.js 四个进程需要按正确顺序启动，相互的端口、依赖、模型必须就位。本章把全栈联调的步骤、常见故障、调试技巧一并整理，作为读者跑通本书项目的最后一道指南。完成本章后，读者将拥有一份可重复使用的本地部署 Checklist，并具备在任意环境下迅速定位 RAG

后端已经把 RAG 能力打包成一个 SSE 接口，最后一公里是让最终用户在浏览器中流畅地体验它。本章用 Next.js 实现一个最小可用的流式聊天界面：把用户问题通过 EventSource 发给后端，按事件类型把检索状态、参考工单与模型回答分别渲染出来。完成本章后，读者将拥有一个能跑通的电商工单问答前端，并理解 EventSource API 如何把 SSE 协议消化为浏览器中熟悉的事件回调。

切好的文本块还停留在字符串状态，无法直接用于相似度检索。要让机器判断“用户问题”与“知识块”之间是否相关，必须先把它们映射到同一个数学空间，再用距离或夹角衡量接近程度。完成这一映射的模型叫嵌入模型，输出结果通常是几百到几千维的浮点向量。本章基于配套源码中的 test_embedding_ollama.py，讲清楚 Ollama 嵌入接口怎么调用、返回的向量如何理解、余弦相似度如何计算。完成本章后，

掌握了 Ollama HTTP 接口之后，读者已经可以让本地大模型回答任何问题。但模型只能基于训练数据回答，对私有知识、最新事件、企业内部文档一无所知。检索增强生成的思路是先把外部资料拆成可检索的小块，存入向量数据库，回答时按相关性把若干小块取出，与问题一起交给模型。这条链路的第一步就是文本切片。本章解释切片的必要性、常见策略与代码实现，使用配套源码中的 test_text_split.py 作为

如果读者曾因公司数据安全、网络延迟或调用成本，犹豫是否要把项目接入云端大模型，那么本章将给出一种本地化的解题路径。Ollama 把模型权重下载到本地磁盘，将推理过程封装为一个常驻进程，通过 HTTP 接口对外提供能力，使得在一台普通笔记本上跑起 LLM 与 Embedding 不再需要复杂的环境配置。本章先把开发机准备成可调用大模型的状态：安装运行时、拉取所需模型、用 CLI 验证生成与对话效果。

本文介绍了使用Loguru构建结构化日志系统的方法，适合后端开发者和运维工程师。主要内容包括：1) Loguru基础配置，实现控制台和文件输出；2) 日志使用示例，包括不同级别日志记录和异常处理；3) FastAPI请求日志中间件实现；4) 结构化日志技巧，通过bind和contextualize添加上下文信息。文章还预告了下篇将探讨生产环境配置与安全管理。