1

README.md

@@ -178,6 +178,21 @@ npm run dev         # Vite 开发服务器（5173），API 代理见 vite.config
 - **对话模型**（`/v1/chat/completions`，支持 SSE 流式）：用于问答与知识图谱实体抽取
 - **向量模型**（`/v1/embeddings`）：用于分块向量化与语义检索；维度须与 `config.yml` 中 `vector.dim` 一致（默认 1024）
 
+示例（本地 oMLX，Apple Silicon 推荐）：
+
+```bash
+# 模型文件放 models/mlx/omlx/（chat: Qwen3.5-9B-MLX-4bit；embedding: bge-m3），
+# 依赖装在项目根 .venv/（mlx + omlx + fastapi + uvicorn）
+./scripts/start_models.sh   # 启动单实例 oMLX :18080，同时提供 chat + embedding
+./scripts/stop_models.sh    # 停止
+
+# 设置页配置：
+#   对话模型：endpoint http://127.0.0.1:18080/v1，模型名 Qwen3.5-9B-MLX-4bit
+#   向量模型：endpoint http://127.0.0.1:18080/v1，模型名 bge-m3，维度 1024
+```
+
+> 16GB 内存机器需 `sudo sysctl iogpu.wired_limit_mb=14336` 提高 Metal 上限（oMLX 内存 guard ceiling 14GB）；Qwen3.5 思考链默认开启，应用侧已在 agent / 主回答 / 重排调用中通过 `chat_template_kwargs: {"enable_thinking": false}` 关闭。
+
 示例（Ollama）：
 
 ```bash