用途：Chroma 是 AI 原生的开源嵌入数据库，用于构建带记忆的 LLM 应用，适合 RAG（检索增强生成）、文档语义搜索、在 notebook 中做原型，以及需要本地或自托管向量库、存储带元数据嵌入的场景。官方建议在需要托管云与自动扩缩容时考虑 Pinecone，纯相似度检索无元数据时考虑 FAISS，生产级 ML 原生数据库考虑 Weaviate，高性能 Rust 实现考虑 Qdrant。
主要能力：创建、获取、删除集合；添加文档并自动生成或自定义 ID；支持传入自定义嵌入；按文本查询做相似度检索并返回 documents、metadatas、distances、ids；支持 where 元数据过滤，含 $gt、$gte、$lt、$lte、$ne、$in 及 $and、$or 逻辑组合；支持按 ID 或过滤条件获取、更新、删除文档；提供持久化客户端将数据写入磁盘；内置默认 Sentence Transformers 嵌入（all-MiniLM-L6-v2），也支持 OpenAI、HuggingFace 及自定义 EmbeddingFunction；提供 LangChain、LlamaIndex 集成；支持以服务端模式运行并通过 HttpClient 连接。
使用方式：Python 安装 pip install chromadb；JavaScript/TypeScript 安装 npm install chromadb @chroma-core/default-embed。基本流程为创建客户端与集合，调用 add 写入文档、元数据与 ID，再用 query 检索。持久化使用 chromadb.PersistentClient(path="./chroma_db")。服务端模式可运行 chroma run --path ./chroma_db --port 8000，再用 HttpClient 连接。
适用场景与限制：适合本地开发、原型与自托管检索；生产多用户场景官方建议使用服务端模式。资料给出的性能参考为：添加 100 条文档约 1-3 秒（含嵌入），top 10 查询约 50-200 毫秒（取决于集合规模），元数据过滤约 10-50 毫秒。资料未提供具体收费与价格信息。