向量摘要完整工作流 (優化版)。當需要執行端到端的向量摘要管線時觸發，包括：本地優先處理、智慧分流、Ollama + MiniMax 雙模型處理、本地向量庫管理、檢索查詢、本地記憶同步。
向量摘要完整工作流 (優化版 v2.0)
優化策略 (2026-03-01)
| 階段 | 本地處理 (Ollama) | 雲端處理 (MiniMax) |
|---|
| 向量化 | llama3 生成壓縮摘要 → 向量化 | 只在複雜查詢時調用 |
| RAG 檢索 | 本地 embedding 匹配 | 智慧分流决策 |
| 學習記憶 | qwen2.5:7b 初步分類 | 最終決策/驗證 |
| 對話摘要 | 本地壓縮對話 | 只做重要訊息提取 |
核心優化
- 快取機制 - 重複內容不重複處理
- 智慧分流 - 簡單查詢本地處理，複雜問題才調用雲端
- 本地優先 - 雲端只處理「壓縮後的上下文」
功能說明
端到端的向量摘要管線，整合 Ollama 本地生成與 MiniMax 雲端驗證。
工作流程
第一步：文本切分
- 每區塊約 250 字，以句號等標點切分
- 過濾無效短片段
第二步：Ollama 摘要生成
第三步：MiniMax 驗證（可選）
- 使用 MiniMax-M2.5 生成對照版本
- 選擇品質較佳者作為最終摘要
第四步：向量化與儲存
- 轉為 128 維向量，歸一化後儲存
- 本地向量庫位置：
~/Desktop/vector-db/
- 每筆記錄包含：chunk_index、summary、source_chunk、embedding
第五步：本地記憶同步
- 回寫向量摘要、向量狀態、語義標籤、重點、應用分類至本地記憶系統
第六步：檢索服務
工具指引
# Ollama 環境
ollama serve
# MiniMax 環境（驗證用）
export MINIMAX_API_KEY="your-key"
# 執行 Ollama 版本
python scripts/vector_summary_v2.py
# 執行 Ollama + MiniMax 驗證版
python scripts/vector_summary_verify.py
狀態標記對照
| 標記 | 意義 |
|---|
| 已向量化 | 基礎處理完成 |
| 已向量化(標準流程) | Ollama 完整流程 |
| 已向量化(Ollama+MiniMax) | 雙模型驗證優化版 |
錯誤處理
| 情境 | 處理方式 |
|---|
| Ollama 服務未啟動 | 嘗試自動啟動，失敗則提示用戶 |
| MiniMax API Key 無效 | 跳過驗證，僅使用 Ollama 結果並記錄警告 |
| 向量庫檔案損壞 | 從本地記憶重新拉取原文，重建該筆記的向量 |
| 檢索無結果 | 擴大相似度閾值或提示用戶換關鍵字 |
| 本地同步失敗 | 保留本地結果，下次執行時重試 |
使用範例
- 「執行完整向量摘要工作流」
- 「用雙模型處理所有本地記憶筆記」
- 「在向量庫中搜尋跟『機器學習』相關的筆記」
護欄
- API Key 必須使用環境變數，禁止寫死在程式碼中
- 本地向量庫不上傳至外部服務
- 不修改原始筆記內容
- 摘要長度不超過 30 字，區塊數量 1-11 個
- 向量維度固定 128 維，確保檢索一致性