准备环境：安装 Ollama

Ollama 是一个可以让你在本地电脑上运行 AI 模型的工具，不需要联网，数据也不会外传。首先去 ollama.com 下载对应系统的安装包（Windows、macOS、Linux 都有），双击安装即可。

安装步骤：下载模型并启动

1. 打开终端（Windows 用 PowerShell 或 CMD）。
2. 输入命令 ollama pull llama3，下载一个适合问答的模型（大约 4GB，等待完成）。
3. 输入 ollama pull nomic-embed-text，下载一个用于将代码转换成向量的嵌入模型（很小，几秒就好）。
4. 输入 ollama serve 启动服务，保持终端开着。

验证是否成功：运行你的第一个 AI 查询

打开另一个终端，输入 ollama run llama3，然后随便问一句“Hello”，如果模型回复了，就说明安装成功。现在你已经有一个本地可用的 AI 了。

下一步：用函数分块法搭建代码问答系统

你想让 AI 回答关于代码的问题，比如“这个合约的提款函数怎么防重入？”关键在于如何把代码切分成小块（chunk）。简单按行数切分（比如每 500 个 token 一段）会破坏函数结构，导致 AI 拿到不完整的代码片段，回答错误。更好的方法是：按函数切分——每个函数（包括函数名、签名、注释、主体）作为一个独立的 chunk。这样每个 chunk 都是完整的有意义单元。

实现方法：用代码解析器（比如 TypeScript 用 ts-morph，Solidity 用 solc-ast）遍历代码的语法树，提取每个函数节点，然后存入向量数据库。查询时，将用户问题也转换成向量，找到最相似的函数 chunk，再把完整函数交给大模型回答。

本地运行的好处：你的代码永远不会离开电脑，适合私有项目。现在你可以用 Ollama 做嵌入（embedding）和推理，用 Python 写一个简单的脚本，把函数 chunk 存到本地文件或轻量向量库（如 Chroma）中，然后通过 Ollama 的 API 查询。整套流程可以在 30 分钟内跑通。