Chroma向量数据库

嵌入向量（vector  embedding）是表示任何类型数据的 A.I 原生方式，使它们非常适合与各种 A.I 驱动的工具和算法一起使用。 它们可以表示文本、图像，很快还可以表示音频和视频。 有许多创建嵌入的选项，无论是在本地使用已安装的库，还是通过调用 API。

Chroma 是一个用于构建带有嵌入向量的 AI 应用程序的数据库。 它内置了入门所需的一切，并可在你的机器上运行。 托管版本即将推出！

1、安装Chroma数据库

使用如下命令安装Chroma数据库：

pip install chromadb

注意，由于 pytorch的原因，chromadb 目前不支持 Python 3.11

2、获取Chroma Client对象

在Python中使用Chroma的Client对象访问数据库：

import chromadb
chroma_client = chromadb.Client()

3、创建Chroma数据集

接下来使用Python在Chroma中创建一个集合（Collection）。

集合是存储嵌入、文档和任何其他元数据的地方。 可以创建一个具有名称的集合：

collection = chroma_client.create_collection(name="my_collection")

4、向Chroma数据集添加文档

继续添加一些文本文档到集合中，Chroma 将存储文本，并自动处理标记化、嵌入和索引：

collection.add(
    documents=["This is a document", "This is another document"],
    metadatas=[{"source": "my_source"}, {"source": "my_source"}],
    ids=["id1", "id2"]
)

如果已经自己生成了嵌入向量，则可以直接加载：

collection.add(
    embeddings=[[1.2, 2.3, 4.5], [6.7, 8.2, 9.2]],
    documents=["This is a document", "This is another document"],
    metadatas=[{"source": "my_source"}, {"source": "my_source"}],
    ids=["id1", "id2"]
)

5、查询Chroma中的数据

现在可以进行查询了。可以用查询文本列表来查询集合，Chroma 会返回 n 个最相似的结果。 就这么简单！

results = collection.query(
    query_texts=["This is a query document"],
    n_results=2
)

默认情况下，存储在 Chroma 中的数据是短暂的，因此很容易制作原型脚本。 使 Chroma 持久化很容易，因此可以重复使用创建的每个集合，并在以后向其中添加更多文档。 它会在启动客户端时自动加载你的数据，并在关闭时自动保存。

原文链接：Getting started - Chroma

BimAnt翻译整理，转载请标明出处