一、什么是 Chroma？

Chroma是一个 本地运行的开源向量数据库，专为 AI 应用场景设计，比如文档检索、RAG（Retrieval-Augmented Generation）等。它支持嵌入向量的存储与检索，可以和 OpenAI、LangChain 等无缝集成。

二、安装 Chroma

你可以通过 pip 安装 Chroma 的 Python 客户端：

pip install chromadb

注意：Chroma 默认使用本地嵌入式数据库，不依赖外部服务。

三、快速上手

1. 初始化 Chroma 客户端

import chromadb
from chromadb.config import Settings

client = chromadb.Client(Settings(
    chroma_db_impl="duckdb+parquet",  # 使用默认本地存储
    persist_directory="./chroma_db"   # 数据保存路径
))

2. 创建集合（Collection）

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

集合是向量数据的容器，相当于数据库中的“表”。

3. 插入数据

collection.add(
    documents=["今天天气真好", "人工智能正在改变世界"],
    metadatas=[{"source": "note1"}, {"source": "note2"}],
    ids=["doc1", "doc2"]
)

• documents: 文本数据，会自动进行嵌入（默认使用 SentenceTransformer 模型）
• metadatas: 自定义的元信息（可用于过滤）
• ids: 文档唯一标识符

---

4. 查询相似文本

results = collection.query(
    query_texts=["天气怎么样"],
    n_results=2
)

print(results)

输出格式如下：

{
  'ids': [['doc1']],
  'documents': [['今天天气真好']],
  'distances': [[0.12]]
}

distances 表示相似度（越小越接近）。

5. 使用 Embedding 向量查询（可选）

你也可以使用预计算好的向量：

# 假设你已有向量
vector = [0.1] * 768

results = collection.query(
    query_embeddings=[vector],
    n_results=2
)

6. 持久化数据

Chroma 默认将数据保存在内存中。如果你启用了 persist_directory，可以通过以下命令保存：

client.persist()

下次启动时只需重新连接目录即可：

client = chromadb.Client(Settings(persist_directory="./chroma_db"))
collection = client.get_collection("my_collection")

四、删除和更新数据

删除文档

collection.delete(ids=["doc1"])

更新文档（先删后增）

collection.update(
    ids=["doc2"],
    documents=["AI 正在迅速发展"]
)

五、配合 LangChain 使用（进阶）

Chroma 支持和 LangChain 无缝集成，适合构建 RAG 系统：

from langchain.vectorstores import Chroma
from langchain.embeddings.openai import OpenAIEmbeddings

embedding = OpenAIEmbeddings()

vectordb = Chroma(
    persist_directory="./chroma_db",
    embedding_function=embedding
)

六、总结

操作	方法
创建集合	client.create_collection()
添加文档	collection.add()
查询文档	collection.query()
删除文档	collection.delete()
更新文档	collection.update()
数据持久化	client.persist()

七、参考资源

• 官方网站：https://www.trychroma.com
• GitHub：https://github.com/chroma-core/chroma
• 文档教程：https://docs.trychroma.com