Chroma（向量数据库）

import chromadb

# 创建持久化客户端（数据存到磁盘，重启不丢失）
client = chromadb.PersistentClient(path="./my_chroma_db")

# 创建集合，指定距离度量为余弦相似度（Cosine Similarity）
collection = client.get_or_create_collection(
    name="my_docs",
    metadata={"hnsw:space": "cosine"}
)

# 安装 Chroma（核心包，零配置即可运行）
pip install chromadb

# 可选：使用开源嵌入模型（无需 API Key）
pip install sentence-transformers

import chromadb

# 1. 创建客户端（内存模式，适合快速体验）
client = chromadb.EphemeralClient()

# 2. 创建集合
collection = client.create_collection(name="demo")

# 3. 添加文档（Chroma 自动调用默认嵌入函数将文本转为向量）
collection.add(
    documents=[
        "Python 是最流行的 AI 编程语言",
        "JavaScript 主要用于前端开发",
        "向量数据库用于语义搜索",
        "机器学习需要大量训练数据",
    ],
    metadatas=[
        {"topic": "programming"},
        {"topic": "programming"},
        {"topic": "database"},
        {"topic": "ai"},
    ],
    ids=["doc1", "doc2", "doc3", "doc4"],
)

# 4. 语义搜索：找和「AI 开发用什么语言」最相似的 2 条文档
results = collection.query(
    query_texts=["AI 开发用什么语言"],
    n_results=2,
)

for doc, dist in zip(results["documents"][0], results["distances"][0]):
    print(f"  {doc}（距离: {dist:.3f}）")

# 5. 带元数据过滤：只在 programming 类别里搜索
results2 = collection.query(
    query_texts=["AI 开发"],
    where={"topic": "programming"},
    n_results=2,
)

print("\n仅 programming 类别：")
for doc in results2["documents"][0]:
    print(f"  {doc}")

  Python 是最流行的 AI 编程语言（距离: 0.751）
  机器学习需要大量训练数据（距离: 1.022）

仅 programming 类别：
  Python 是最流行的 AI 编程语言
  JavaScript 主要用于前端开发

# 把 EphemeralClient() 换成 PersistentClient(path=...)
client = chromadb.PersistentClient(path="./chroma_data")

from chromadb.utils.embedding_functions import SentenceTransformerEmbeddingFunction

ef = SentenceTransformerEmbeddingFunction(model_name="all-MiniLM-L6-v2")
collection = client.create_collection(name="my_kb", embedding_function=ef)