ChromaDB教程_2024最新版（上）

news2024/9/20 14:09:55

前言

在上一篇（快捷入口）文章中，博主提到了一个向量存储，其中用到了Chroma数据库。代码示例如下：

vectordb = Chroma.from_documents(
    documents=docs,
    embedding=embedding,
    persist_directory=vector_dir 
)

这是基于langchain框架的写法，抛弃框架而言，ChromaDB只需要几个关键要素：

文档
即待存储的数据
嵌入模型
指定嵌入（embedding）的算法，即模型
存储目录
即确认存储的路径

那么，博主顺势带着各位看看，如何在不使用大模型框架的前提下，掌握ChromaDB的使用，就像你用jdbcDriver那么简单。

Q：如何掌握Chromadb

1. 简介

Chroma is the AI-native open-source vector database. Chroma makes it easy to build LLM apps by making knowledge, facts, and skills pluggable for LLMs.

一句话总结：Chroma是一款AI原生开源的矢量（或向量）数据库。它很容易构建大模型应用需要的数据（包括知识、实践等）。

接下来，请跟着博主聚焦下面这张图，这是Chroma的工作原理：
在这里插入图片描述

2. 用途

通过上图，我们可以获得它的几个用途：

序号	用途
1	存储嵌入数据（store embeddings and their metadata）
2	文本嵌入（embed documents and queries）
3	搜索（search embeddings）

3. 安装chroma

接下来，我们可以安装Chroma了，首先看看依赖的环境吧，这非常重要！

3.1 依赖环境

序号	依赖环境	版本号
1	python	3.12.4
2	chromadb	0.5.3（`最新版`）
3	langchain_community	0.3.0（`最新版`）
4	langchain-text-splitters	0.3.0（`最新版`）

3.2 安装

通过以下命令安装chroma（使用清华的库）：

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple chromadb

在Pycharm中，可以通过当前project-setting查看chroma模块是否已存在：

在这里插入图片描述
如上图所示，代表成功。下面可以愉快的使用了。

4. 体验

4.1 示例运行

如果你想直接通过chroma完成存储，可以参考以下示例，可直接运行：

import chromadb
# 定义持久化目录
chroma_client = chromadb.PersistentClient(path="绝对路径")
# 新建一个collection并指定name且name唯一
collection = chroma_client.create_collection(name="chroma_local_db05")
# 添加document
collection.add(
    documents=["天坛", "月饼"],
    metadatas=[{"source": "d1"}, {"source": "d2"}],
    ids=["1", "2"],
)
# 检索
results = collection.query(
    query_texts=["哪个是景点"],
    n_results=2
)
print(f'运行结果为：{results}')

运行结果如下：

运行结果为：
{'ids': [['1', '2']], 
'distances': [[
            1.1227734343972846,
            1.273080295354666
        ]], 
'metadatas': [[
            {'source': 'd1'},
            {'source': 'd2'}
        ]],
'embeddings': None, 
'documents': [ ['天坛', '月饼']], 
'uris': None, 
'data': None, 
'included': ['metadatas', 'documents', 'distances']
}