本地进程内 Embedding 抛
ORT_RUNTIME_EXCEPTION，别急着怀疑自己的代码。这个异常来自 ONNX Runtime 的 native 层（ai.onnxruntime.OrtException），LangChain4j 只是把它包成RuntimeException传上来。它在 0.27.1 还正常，从 0.28.0 开始复现。issue 里试过把 onnxruntime 锁回 1.16.3，问题依旧。截至撰写时该 issue 仍是 open，官方结论未定。
Issue & Env（案发现场与环境）
- 业务场景：用 LangChain4j 的本地进程内 Embedding 模型，对文本做向量化，调用时炸。
- 环境：LangChain4j 0.28.0 及以上；0.27.1 正常。期间 onnxruntime 从 1.16.3 升到 1.17.1。这条版本线来自 langchain4j issue #1003。
StackTrace（堆栈日志）
issue 里贴出的报错片段如下。原文在 Sta 处被截断，这是粘贴时的原始形态，此处照录：
org.opentest4j.AssertionFailedError: Unexpected exception thrown: java.lang.RuntimeException: ai.onnxruntime.OrtException: Error code - ORT_RUNTIME_EXCEPTION - message: Non-zero status code returned while running Add node. Name:'/embeddings/Add_1' Sta关键信息在最后一句：running Add node ... /embeddings/Add_1。炸的是推理图里一个加法节点。
Reproduce（复现代码）
先把出问题的文本单独抽出来，跑最小复现。这样能确认它和文本相关，而不是环境相关：
EmbeddingModel model = new OnnxEmbeddingModel(...); // 换成你用的本地模型
Embedding e = model.embed("那段会触发报错的文本");
System.out.println(e.vector().length);只留一个 embed() 调用。如果换掉这段文本就不报，方向就清楚了。
Root Cause（根因分析）
报错来自 native 层
ai.onnxruntime.OrtException 是 ONNX Runtime 自己抛的。LangChain4j 没做二次解析，只是原样包了一层 RuntimeException。所以日志里那串 ORT_RUNTIME_EXCEPTION 才是真正的信息。
定位线索在版本时间线
0.27.1 是最后一个正常版本，0.28.0 开始复现。这期间 onnxruntime 从 1.16.3 升到了 1.17.1，看起来像依赖升级惹的祸。
但 issue 作者试过把依赖锁回 1.16.3，问题依旧。这说明不只是单个依赖版本号的事。模型文件、tokenizer、推理图与运行时之间，存在兼容问题。
只有特定输入才触发
它并非每次都失败，只有特定文本才炸。报的是 running Add node ... /embeddings/Add_1，也就是推理图里某个加法节点。这通常和输入张量的形状或取值有关。
官方结论
截至撰写时，issue #1003 仍处于 open 状态，官方结论未定。上面的成因分析属推断，社区说法，截至撰写时未核实。
The Fix（解决方案）
按代价从低到高排。
1. 先缩小范围
把出问题的文本抽出来单跑，就是上面那段最小复现代码。先确认是文本相关，不是环境相关。这一步不做，后面都是猜。
2. 换模型
换一个 Embedding 模型，或者它的量化版本。量化版通常带 -q 后缀，例如 all-minilm-l6-v2-q。不同模型的推理图不一样，往往能绕开出问题的那类节点。
3. 锁版本
业务上换不了模型的话，把 LangChain4j 锁在 0.27.1。这是已知能绕过的点，代价是停在旧版本。
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-embeddings-all-minilm-l6-v2</artifactId>
<version>0.27.1</version>
</dependency>4. 换路线
把本地进程内 Embedding 换成远程 Embedding API。代价最直接，但最稳。可参考 LangChain4j 官方文档的 in-process embedding 页 对照可选模型。
5. 别踩的坑
别指望单独把 onnxruntime 降级能修好。issue 里已经验证过锁 1.16.3 无效，这是这条 issue 最有价值的排错信息。
还要区分报错现场。ORT_RUNTIME_EXCEPTION 是推理时崩，就是本文这种。UnsatisfiedLinkError、SIGSEGV 是原生库加载不了。两类问题，别混。
小结
ORT_RUNTIME_EXCEPTION 指向 ONNX Runtime 的 native 层。先做文本级最小复现，再换模型或量化版。不行就锁 0.27.1，或改走远程 API。降 onnxruntime 版本这条，已被 issue 验证无效。