一、Chroma 是什么？
- 轻量级向量数据库（专门存文本、图片、音频的向量）
- 主打：简单、开箱即用、本地优先
- 不需要复杂配置，Python 几行就能跑
- 自动做 embedding（文本转向量），不用自己写模型
适用场景：
- RAG 知识库（给大模型做检索）
- 文档相似搜索
- 问答系统、本地知识库
二、核心概念
- Client：客户端，连接 Chroma
- Collection：集合，相当于 “表”，用来存一批数据
- Embedding：文本 → 高维向量，Chroma 自动生成
- Document：你存的原始文本（必须）
- Metadata：元数据，用于过滤 （可选，但非常有用）
- ID：每条数据唯一标识（必须）
三、python中安装chromadb
pip install chromadb四、基础使用（最常用流程）
1. 创建 / 连接客户端
(1) 本地持久化（数据存在文件夹里，不会丢）：
import chromadb
client = chromadb.PersistentClient(path="./chroma_db")
(2) 内存版（程序关了数据就没）：
client = chromadb.Client()
2. 创建集合
collection=client.get_or_create_collection(name='infos')3. 添加数据（存向量）
collection.add( documents=[ "小明喜欢吃苹果", "小红喜欢在公园跑步", "机器学习是人工智能的一种" ], #文字内容，可以是句子、段落、文章。 metadatas=[ {"topic": "饮食"}, {"topic": "运动"}, {"topic": "技术"} ], #给数据打标签，用于过滤搜索 ids=["id1", "id2", "id3"] # 必须唯一 )只要传文档 + ID + 元数据，剩下的 Chroma 自动搞定：
- document => 文档（文字）
- ids=> ID（唯一标识）
- metadatas=> 元数据（标签 / 过滤用）
- 向量（自动生成，不用你管）
4. 相似度搜索（最核心功能）
results = collection.query( query_texts="我热爱运动", n_results=2 ) print(results)5. 带条件过滤搜索
results = collection.query( query_texts="技术", n_results=2, where={"topic": "技术"} )6. 查看数据
# 查看所有 collection.get() # 预览前2条 collection.peek(2) # 列出所有集合 client.list_collections()7. 删除数据
collection.delete(ids=["id1"])8. 删除集合
client.delete_collection("infos")五、Chroma 存储结构
chroma_db/
chroma.sqlite3 # 文档、ID、元数据
chroma-embeddings.parquet # 向量
index/ # 向量索引
- 重启程序数据依然存在
- 复制整个文件夹就能备份
如果要打开 ChromaDB 的文件
- 找到你的
chroma.sqlite3（在./chroma/或你自定义的目录）；- 用 DB Browser → “打开数据库” → 选中这个文件 → 就能看到所有集合、元数据。
可以使用可视化-DB Browser for SQLite（免费），直接给你官方、安全、64 位免安装版（ZIP）链接，下完解压就能用：Windows 64 位 便携版（推荐）
https://sqlitebrowser.org/dl/
六、高级知识点
1. 向量怎么来的？
Chroma 默认使用all-MiniLM-L6-v2模型自动把文本转 384 维向量。你也可以换：
- HuggingFace 模型
- 自己的 embedding 函数
- OpenAI / 百度千帆 等接
2. 支持三种模式
- 本地持久化（最常用）
- 内存模式
- 服务端模式（chroma run --path ./data）
3. 支持的查询方式
- 文本查询
query_texts - 向量查询
query_embeddings - 元数据过滤
where - 混合检索
4. 适合什么规模？
- 小～中规模：几千～几十万条非常舒服
- 超大规模（百万以上）建议用 Qdrant / Milvus
七、典型 RAG 流程（最实用）
- 把文档切分（分块）
- 存入 Chroma
- 用户提问 → 检索相似文档
- 把文档丢给大模型回答
八、常见问题
找不到 chroma.sqlite3？用的是内存 Client，换成 PersistentClient。
ID 重复报错？ID 必须唯一，不能重复 add。
如何清空数据？删除集合或删除整个 chroma 文件夹。
总之：
Chroma = 轻量向量库 + 自动 embedding + 简单 API
适合做本地知识库、RAG 快速原型，Python 开箱即用。
