用途：在语义搜索与检索增强生成（RAG）场景中操作向量数据库，管理集合、写入向量与元数据、按相似度查询。
主要能力：Chroma 支持本地内存或持久化运行及服务端模式，可用 Python 客户端创建集合、upsert 文档与元数据、按文本或向量查询并支持 where 元数据过滤；Qdrant 提供 REST 与 gRPC API，可创建集合、upsert 点、相似度搜索、带 filter 的搜索、列出与删除集合，并有 Go 客户端示例；还给出用 Ollama 生成嵌入（如 nomic-embed-text，768 维）及完整 RAG 流程示例。
使用方式：Chroma 可 pip install chromadb 后运行 chroma run --path ./chroma-data，或用 Docker 启动 chromadb/chroma:latest 并映射 8000 端口；Qdrant 用 Docker 启动 qdrant/qdrant:latest，映射 6333（REST）与 6334（gRPC），通过 curl 调用 REST 接口。嵌入可调用 Ollama 的 /api/embed 与 /api/generate。
适用场景：文本语义检索、带元数据过滤的检索、本地或自托管向量库、RAG 问答。
限制：资料未提供 Weaviate 的具体命令与代码；未说明各数据库的收费、价格、性能指标与平台支持；生产部署、复制与集群配置仅提及建议，未给出完整步骤。