SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场chroma

chroma

数据与分析

查看项目

更新于 10-15 10:24

技能介绍

Chroma 是一个开源的嵌入数据库（embedding database），定位为构建带记忆的 LLM 应用的 AI 原生数据库。项目采用 Apache 2.0 许可，GitHub 星标 24,300+，fork 1,900+，版本 1.3.3（稳定版，每周发布）。

用途

Chroma 适用于以下场景：构建 RAG（检索增强生成）应用；需要本地或自托管的向量数据库；希望使用开源方案（Apache 2.0）；在 notebook 中做原型开发；对文档进行语义搜索；存储带元数据的嵌入向量。

官方也列出了替代方案供对比：Pinecone（托管云、自动扩缩容）、FAISS（纯相似度搜索、无元数据）、Weaviate（生产级 ML 原生数据库）、Qdrant（高性能、基于 Rust）。

主要能力

  • 集合管理：创建、获取、删除集合，可指定自定义嵌入函数。
  • 文档操作：添加文档（可自动生成 ID 或使用自定义嵌入）、按 ID 或过滤条件获取文档、更新文档、按 ID 或过滤条件删除文档。
  • 查询：基于文本的相似度搜索，返回文档、元数据、距离分数和 ID；支持元数据过滤。
  • 元数据过滤：支持精确匹配、比较运算符（$gt、$gte、$lt、$lte、$ne）、逻辑运算符（$and、$or）以及 $in 包含判断。
  • 持久化存储：使用 PersistentClient 将数据保存到磁盘，重启后按相同路径重新加载。
  • 嵌入函数：默认使用 Sentence Transformers（默认模型 all-MiniLM-L6-v2），可接入 OpenAI、HuggingFace，或通过继承 EmbeddingFunction 实现自定义嵌入。
  • 服务端模式：可运行 Chroma 服务并通过 HttpClient 连接，适合多用户生产环境。
  • 框架集成：提供 LangChain 与 LlamaIndex 集成方式，可作为向量存储或检索器使用。

使用方式

安装：

Python：pip install chromadb

JavaScript/TypeScript：npm install chromadb @chroma-core/default-embed

Python 基本用法：

import chromadb client = chromadb.Client() collection = client.create_collection(name="my_collection") collection.add( documents=["This is document 1", "This is document 2"], metadatas=[{"source": "doc1"}, {"source": "doc2"}], ids=["id1", "id2"] ) results = collection.query( query_texts=["document about topic"], n_results=2 ) print(results)

持久化：

client = chromadb.PersistentClient(path="./chroma_db") collection = client.create_collection("my_docs") collection.add(documents=["Doc 1"], ids=["id1"])

服务端模式：

chroma run --path ./chroma_db --port 8000

import chromadb from chromadb.config import Settings client = chromadb.HttpClient( host="localhost", port=8000, settings=Settings(anonymized_telemetry=False) ) collection = client.get_or_create_collection("my_docs")

LangChain 集成示例：

from langchain_chroma import Chroma from langchain_openai import OpenAIEmbeddings from langchain.text_splitter import RecursiveCharacterTextSplitter text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000) docs = text_splitter.split_documents(documents) vectorstore = Chroma.from_documents( documents=docs, embedding=OpenAIEmbeddings(), persist_directory="./chroma_db" ) results = vectorstore.similarity_search("machine learning", k=3) retriever = vectorstore.as_retriever(search_kwargs={"k": 5})

LlamaIndex 集成示例：

from llama_index.vector_stores.chroma import ChromaVectorStore from llama_index.core import VectorStoreIndex, StorageContext import chromadb db = chromadb.PersistentClient(path="./chroma_db") collection = db.get_or_create_collection("my_collection") vector_store = ChromaVectorStore(chroma_collection=collection) storage_context = StorageContext.from_defaults(vector_store=vector_store) index = VectorStoreIndex.from_documents( documents, storage_context=storage_context ) query_engine = index.as_query_engine() response = query_engine.query("What is machine learning?")

适用场景

  • RAG 应用：为 LLM 提供可检索的外部知识。
  • 语义搜索：对文档集合按语义相似度检索。
  • 本地/自托管向量库：数据保存在本地或自有服务器。
  • 原型开发：在 notebook 中快速搭建向量检索。
  • 带元数据的嵌入存储：结合过滤条件缩小检索范围。

最佳实践（来自资料）

使用持久化客户端避免重启丢数据；添加元数据以支持过滤与追踪；批量添加文档；选择合适的嵌入模型平衡速度与质量；使用过滤器缩小搜索空间；使用唯一 ID 避免冲突；定期备份（复制 chroma_db 目录）；监控集合规模；测试嵌入函数质量；生产环境使用服务端模式。

性能参考（资料给出）

添加 100 个文档约 1-3 秒（含嵌入）；查询 top 10 约 50-200 毫秒（取决于集合大小）；元数据过滤约 10-50 毫秒（索引良好时）。

限制与说明

资料未提供收费、价格、平台支持范围、并发上限、最大数据规模等具体信息，暂未提供。使用前建议参考官方文档与 GitHub 仓库获取最新信息。

资源

GitHub：https://github.com/chroma-core/chroma 文档：https://docs.trychroma.com Discord：https://discord.gg/MMeYNTmh3x 版本：1.3.3+ 许可：Apache 2.0