SQLServer RAG笔记5：为SQLServer 2025配置Ollama

摘要

在第三篇笔记中，我们结合Python代码，通过Ollama的嵌入模型，实现了为SQLServer 2025向量数据库生成向量值。从SQLServer 2025开始，是支持直接把大模型作为EXTERNAL MODEL的。此篇将介绍如何配置Ollama里的嵌入模型作为SQLServer 2025的EXTERNAL MODEL。

环境准备

所需工具

确保Ollama已安装并且下载基本嵌入模型

# 下载并运行嵌入模型
ollama run nomic-embed-text “Hello”

为OLLAMA配置HTTPS

证书创建

由于Ollama 默认只提供 HTTP 服务，而 SQL Server 2025 要求外部 REST 端点必须使用 HTTPS，所以需要通过 nginx 配置反向代理实现 HTTPS 支持。

首先从网站https://github.com/FiloSottile/mkcert 下载并安装mkcert工具。

根据自己的环境去下载就可以，不需要编译，并且提供了MacOs以及Windows的AMD和ARM版。

下载完成后建议保存到一个比较容易访问到的目录，比如我是放在 d:\Cert，这样我就可以打开PowerShell，很容易的cd到这个目录。

在PowerShell下cd到 d:\Cert 目录，然后执行以下命令安装 mkcert 工具：

.\mkcert-v1.4.4-windows-amd64.exe -install

Tip：默认下载的程序名很长，敲PowerShell命令的时候可以先敲一个mk然后按Tab键自动补全，或者也可以直接将下载的文件重命名成mkcert.exe。

然后再执行以下命令生成服务器证书，需留意需要把192.168.1.160替换为你自己的IP地址。

.\mkcert-v1.4.4-windows-amd64.exe 192.168.1.160 localhost 127.0.0.1 ::1

运行完成后会在 d:\Cert 目录下生成两个文件，分别是 <证书文件名>.pem 和 <证书文件名>-key.pem。

nginx 配置反响代理

首先需要再NGINX网站上下载并安装nginx。在Windows下的安装没什么特殊的说道，直接下载并解压即可。

比如我会在D盘目录下创建文件夹APPS然后再创建子文件夹NGINX，把解压的所有文件都复制到这下面。

在NGINX目录下创建一个文件夹，命名为 certs，然后将刚才生成的两个证书都复制到这里。

接下来是关键，找到NGINX的配置文件 nginx.conf，它在目录conf下，然后编辑它。

用以下http部分的配置覆盖默认的配置。

http {
 server {
 listen 443 ssl;
 server_name 192.168.1.160;  # 替换为你的 IP

 ssl_certificate ../certs/<证书文件名>.pem;
 ssl_certificate_key ../certs/<证书文件名>-key.pem;

 location / {
 proxy_pass http://localhost:11434;
 proxy_http_version 1.1;
 proxy_set_header Host $host;
 proxy_set_header X-Real-IP $remote_addr;
 proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
 }
 }
}

保存配置文件后，需要重启NGINX服务。

# 启动 nginx（前台运行）
nginx

# 停止 nginx（在另一个终端）
nginx -s stop

# 后台启动 nginx
start nginx

最后一步验证 HTTPS 是否正常工作。

# 测试 HTTP 直接访问 Ollama
curl http://localhost:11434

# 测试 HTTPS 通过 nginx 访问
curl https://localhost

# 测试嵌入 API 通过 HTTPS
Invoke-RestMethod -Uri https://localhost/api/embeddings `
 -Method Post `
 -Body '{"model": "nomic-embed-text:latest", "prompt": "博客园最帅的是谁"}' `
 -ContentType 'application/json'

SQL Server 2025 配置

启用外部 REST 端点

USE VectorDB;
GO

-- 启用外部 REST 端点
sp_configure 'external rest endpoint enabled', 1
GO
RECONFIGURE WITH OVERRIDE;
GO

创建外部模型

USE VectorDB
GO

DROP EXTERNAL MODEL IF EXISTS ollama_nomic_embed_text
GO

CREATE EXTERNAL MODEL ollama_nomic_embed_text
WITH (
 LOCATION = 'https://192.168.1.160:443/api/embed',
 API_FORMAT = 'Ollama',
 MODEL_TYPE = EMBEDDINGS,
 MODEL = 'nomic-embed-text:latest'
);
GO

-- 验证模型创建
SELECT * FROM sys.external_models;
GO

Tip：关于模型的名称，需要用Ollama list命令确认下名称，比如我的是nomic-embed-text:latest。但在我另一台机器里就是nomic-embed-text。

ollama list

生成向量嵌入

-- 单条文本生成嵌入
SELECT AI_GENERATE_EMBEDDINGS(
 N'博客园最帅的是谁' 
 USE MODEL ollama_nomic_embed_text
) AS GeneratedEmbedding;

-- 批量生成嵌入
SELECT 
 TOP 5000
 VectorId,
 ChunkId,
 AI_GENERATE_EMBEDDINGS(
 VectorText USE MODEL ollama_nomic_embed_text
 ) AS Ingredients_Embeddings
FROM dbo.VectorIndex;

总结

SQLServer 2025在使用嵌入模型构建RAG系统的时候，为我们提供了一种选择，就是通过这种外部模型的配置，我们可以直接在SQL Server 2025中使用Ollama里部署的嵌入模型，而不需要再单独写Python代码来实现。

当然根据官方文档的描述，除了Ollama，符合OpenAI API规范的其他模型也可以使用，也包括Azure OpenAI。