ChromaDB 简介

ChromaDB 是一个开源的向量数据库，以简单易用著称。它可以在本地运行，无需复杂配置，特别适合快速原型开发和中小规模的 RAG 应用。

#为什么使用 ChromaDB？

#1. 极简使用

几行代码即可开始：

python复制
import chromadb
client = chromadb.Client()
collection = client.create_collection("my_collection")

#2. 零配置部署

• 无需服务器
• 无需 Docker
• 嵌入式运行
• 开箱即用

#3. 丰富的集成

与主流 LLM 框架无缝集成：

• LangChain
• LlamaIndex
• Haystack
• OpenAI

#核心概念

#Collections (集合)

类似于数据库中的表：

python复制
import chromadb

client = chromadb.Client()

# 创建集合
collection = client.create_collection("documents")

# 获取已有集合
collection = client.get_collection("documents")

# 获取或创建
collection = client.get_or_create_collection("documents")

# 删除集合
client.delete_collection("documents")

#存储数据

python复制
collection.add(
    documents=["这是第一个文档", "这是第二个文档"],
    metadatas=[{"source": "a"}, {"source": "b"}],
    ids=["id1", "id2"]
)

#查询数据

python复制
results = collection.query(
    query_texts=["相关的查询"],
    n_results=5
)

print(results["documents"])  # 匹配的文档
print(results["distances"])  # 相似度距离

#快速开始

#安装

bash复制
pip install chromadb

#基础使用

python复制
import chromadb

# 创建客户端
client = chromadb.Client()

# 创建集合
collection = client.create_collection("my_docs")

# 添加文档（自动生成向量）
collection.add(
    documents=[
        "Python 是一种编程语言",
        "JavaScript 用于网页开发",
        "机器学习是 AI 的一个分支"
    ],
    ids=["doc1", "doc2", "doc3"]
)

# 查询
results = collection.query(
    query_texts=["什么是编程语言"],
    n_results=2
)

print(results["documents"])
# [['Python 是一种编程语言', 'JavaScript 用于网页开发']]

#持久化存储

python复制
# 使用持久化客户端
client = chromadb.PersistentClient(path="./chroma_data")

# 数据会自动保存到磁盘
collection = client.get_or_create_collection("my_docs")

#高级功能

#使用 Metadata 过滤

python复制
collection.add(
    documents=["文档1", "文档2", "文档3"],
    metadatas=[
        {"category": "tech", "year": 2024},
        {"category": "science", "year": 2023},
        {"category": "tech", "year": 2023}
    ],
    ids=["1", "2", "3"]
)

# 按 metadata 过滤
results = collection.query(
    query_texts=["查询"],
    where={"category": "tech"},
    n_results=10
)

# 复杂过滤
results = collection.query(
    query_texts=["查询"],
    where={
        "$and": [
            {"category": "tech"},
            {"year": {"$gte": 2023}}
        ]
    }
)

#自定义 Embedding

python复制
from chromadb.utils import embedding_functions

# 使用 OpenAI
openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="your-api-key",
    model_name="text-embedding-3-small"
)

collection = client.create_collection(
    name="my_docs",
    embedding_function=openai_ef
)

#更新和删除

python复制
# 更新文档
collection.update(
    ids=["id1"],
    documents=["更新后的内容"],
    metadatas=[{"updated": True}]
)

# 删除文档
collection.delete(ids=["id1", "id2"])

# 按条件删除
collection.delete(where={"category": "old"})

#与 LangChain 集成

python复制
from langchain_community.vectorstores import Chroma
from langchain_openai import OpenAIEmbeddings

# 创建向量存储
vectorstore = Chroma.from_texts(
    texts=["文档1", "文档2"],
    embedding=OpenAIEmbeddings(),
    persist_directory="./chroma_db"
)

# 相似性搜索
docs = vectorstore.similarity_search("查询", k=3)

# 作为检索器
retriever = vectorstore.as_retriever()

#与 LlamaIndex 集成

python复制
import chromadb
from llama_index.vector_stores.chroma import ChromaVectorStore
from llama_index.core import VectorStoreIndex

# 创建 Chroma 客户端
client = chromadb.PersistentClient(path="./chroma_db")
collection = client.get_or_create_collection("docs")

# 创建向量存储
vector_store = ChromaVectorStore(chroma_collection=collection)

# 创建索引
index = VectorStoreIndex.from_vector_store(vector_store)

#性能优化

#批量操作

python复制
# 批量添加
collection.add(
    documents=large_document_list,  # 一次添加多个
    ids=id_list
)

#索引配置

python复制
collection = client.create_collection(
    name="my_docs",
    metadata={"hnsw:space": "cosine"}  # 使用余弦相似度
)

#ChromaDB vs 其他向量数据库

选择建议：

• 原型开发 → ChromaDB
• 生产环境大规模 → Pinecone/Milvus
• 预算有限 + 中等规模 → ChromaDB

#下一步

• 快速开始 - 详细入门教程
• Collections - 深入了解集合

---

提示：ChromaDB 适合开发和中小规模应用，大规模生产环境考虑 Pinecone 或 Milvus。