Skip to main content
本笔记本介绍如何开始使用 Chroma 向量存储。
Chroma 是一个 AI 原生的开源向量数据库，专注于开发者的生产力和使用体验。Chroma 采用 Apache 2.0 许可证。在此页面查看 Chroma 的完整文档，并在此页面找到 LangChain 集成的 API 参考。
Chroma CloudChroma Cloud 提供无服务器向量和全文搜索。它速度极快、经济高效、可扩展且易于使用。创建一个数据库并在 30 秒内使用 5 美元的免费额度进行试用。开始使用 Chroma Cloud

​
设置

要访问 Chroma 向量存储，您需要安装 langchain-chroma 集成包。 
pip install -qU "langchain-chroma>=0.1.2"

​
凭证

您可以使用 Chroma 向量存储而无需任何凭证，只需安装上述包即可！ 如果您是 Chroma Cloud 用户，请设置您的 CHROMA_TENANT、CHROMA_DATABASE 和 CHROMA_API_KEY 环境变量。 当您安装 chromadb 包时，您还可以访问 Chroma CLI，它可以为您设置这些变量。首先，通过 CLI 登录，然后使用 connect 命令： 
chroma db connect [db_name] --env-file
如果您想获得一流的模型调用自动跟踪，也可以通过取消注释以下内容来设置您的 LangSmith API 密钥： 
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

​
初始化

​
基本初始化

以下是基本初始化，包括使用目录在本地保存数据。 
# | output: false
# | echo: false
from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")

​
本地运行（内存中）

您可以通过简单地实例化一个 Chroma 实例（指定集合名称和您的嵌入提供者）来在内存中运行 Chroma 服务器： 
from langchain_chroma import Chroma

vector_store = Chroma(
    collection_name="example_collection",
    embedding_function=embeddings,
)
如果您不需要数据持久性，这是在使用 LangChain 构建 AI 应用程序时进行实验的绝佳选择。

​
本地运行（带数据持久性）

您可以提供 persist_directory 参数，以便在程序的多次运行中保存数据： 
from langchain_chroma import Chroma

vector_store = Chroma(
    collection_name="example_collection",
    embedding_function=embeddings,
    persist_directory="./chroma_langchain_db",
)

​
连接到 Chroma 服务器

如果您在本地运行 Chroma 服务器，或者您自己部署了一个，您可以通过提供 host 参数来连接到它。 例如，您可以使用 chroma run 启动一个在本地运行的 Chroma 服务器，然后使用 host='localhost' 连接它： 
from langchain_chroma import Chroma

vector_store = Chroma(
    collection_name="example_collection",
    embedding_function=embeddings,
    host="localhost",
)
对于其他部署，您可以使用 port、ssl 和 headers 参数来自定义您的连接。

​
Chroma Cloud

Chroma Cloud 用户也可以使用 LangChain 进行构建。提供您的 Chroma 实例，包含您的 Chroma Cloud API 密钥、租户和数据库名称： 
from langchain_chroma import Chroma

vector_store = Chroma(
    collection_name="example_collection",
    embedding_function=embeddings,
    chroma_cloud_api_key=os.getenv("CHROMA_API_KEY"),
    tenant=os.getenv("CHROMA_TENANT"),
    database=os.getenv("CHROMA_DATABASE"),
)

​
从客户端初始化

您也可以从 Chroma 客户端初始化，如果您想更轻松地访问底层数据库，这特别有用。

​
本地运行（内存中）

import chromadb

client = chromadb.Client()

​
本地运行（带数据持久性）

import chromadb

client = chromadb.PersistentClient(path="./chroma_langchain_db")

​
连接到 Chroma 服务器

例如，如果您在本地运行 Chroma 服务器（使用 chroma run）： 
import chromadb

client = chromadb.HttpClient(host="localhost", port=8000, ssl=False)

​
Chroma Cloud

设置您的 CHROMA_API_KEY、CHROMA_TENANT 和 CHROMA_DATABASE 后，您可以简单地实例化： 
import chromadb

client = chromadb.CloudClient()

​
访问您的 Chroma 数据库

collection = client.get_or_create_collection("collection_name")
collection.add(ids=["1", "2", "3"], documents=["a", "b", "c"])

​
创建 Chroma 向量存储

vector_store_from_client = Chroma(
    client=client,
    collection_name="collection_name",
    embedding_function=embeddings,
)

​
管理向量存储

创建向量存储后，我们可以通过添加和删除不同的项目来与之交互。

​
向向量存储添加项目

我们可以使用 add_documents 函数向向量存储添加项目。 
from uuid import uuid4

from langchain_core.documents import Document

document_1 = Document(
    page_content="I had chocolate chip pancakes and scrambled eggs for breakfast this morning.",
    metadata={"source": "tweet"},
    id=1,
)

document_2 = Document(
    page_content="The weather forecast for tomorrow is cloudy and overcast, with a high of 62 degrees.",
    metadata={"source": "news"},
    id=2,
)

document_3 = Document(
    page_content="Building an exciting new project with LangChain - come check it out!",
    metadata={"source": "tweet"},
    id=3,
)

document_4 = Document(
    page_content="Robbers broke into the city bank and stole $1 million in cash.",
    metadata={"source": "news"},
    id=4,
)

document_5 = Document(
    page_content="Wow! That was an amazing movie. I can't wait to see it again.",
    metadata={"source": "tweet"},
    id=5,
)

document_6 = Document(
    page_content="Is the new iPhone worth the price? Read this review to find out.",
    metadata={"source": "website"},
    id=6,
)

document_7 = Document(
    page_content="The top 10 soccer players in the world right now.",
    metadata={"source": "website"},
    id=7,
)

document_8 = Document(
    page_content="LangGraph is the best framework for building stateful, agentic applications!",
    metadata={"source": "tweet"},
    id=8,
)

document_9 = Document(
    page_content="The stock market is down 500 points today due to fears of a recession.",
    metadata={"source": "news"},
    id=9,
)

document_10 = Document(
    page_content="I have a bad feeling I am going to get deleted :(",
    metadata={"source": "tweet"},
    id=10,
)

documents = [
    document_1,
    document_2,
    document_3,
    document_4,
    document_5,
    document_6,
    document_7,
    document_8,
    document_9,
    document_10,
]
uuids = [str(uuid4()) for _ in range(len(documents))]

vector_store.add_documents(documents=documents, ids=uuids)

​
更新向量存储中的项目

现在我们已经向向量存储添加了文档，我们可以使用 update_documents 函数更新现有文档。 
updated_document_1 = Document(
    page_content="I had chocolate chip pancakes and fried eggs for breakfast this morning.",
    metadata={"source": "tweet"},
    id=1,
)

updated_document_2 = Document(
    page_content="The weather forecast for tomorrow is sunny and warm, with a high of 82 degrees.",
    metadata={"source": "news"},
    id=2,
)

vector_store.update_document(document_id=uuids[0], document=updated_document_1)
# 您也可以一次更新多个文档
vector_store.update_documents(
    ids=uuids[:2], documents=[updated_document_1, updated_document_2]
)

​
从向量存储中删除项目

我们也可以如下从向量存储中删除项目： 
vector_store.delete(ids=uuids[-1])

​
查询向量存储

一旦您的向量存储已创建并添加了相关文档，您很可能希望在链或代理运行期间对其进行查询。

​
直接查询

​
相似性搜索

执行简单的相似性搜索可以如下进行： 
results = vector_store.similarity_search(
    "LangChain provides abstractions to make working with LLMs easy",
    k=2,
    filter={"source": "tweet"},
)
for res in results:
    print(f"* {res.page_content} [{res.metadata}]")

​
带分数的相似性搜索

如果您想执行相似性搜索并接收相应的分数，您可以运行： 
results = vector_store.similarity_search_with_score(
    "Will it be hot tomorrow?", k=1, filter={"source": "news"}
)
for res, score in results:
    print(f"* [SIM={score:3f}] {res.page_content} [{res.metadata}]")

​
按向量搜索

您也可以按向量搜索： 
results = vector_store.similarity_search_by_vector(
    embedding=embeddings.embed_query("I love green eggs and ham!"), k=1
)
for doc in results:
    print(f"* {doc.page_content} [{doc.metadata}]")

​
其他搜索方法

本笔记本未涵盖多种其他搜索方法，例如 MMR 搜索。有关 Chroma 可用的搜索能力的完整列表，请查看 API 参考。

​
通过转换为检索器进行查询

您也可以将向量存储转换为检索器，以便在您的链中更轻松地使用。有关您可以传递的不同搜索类型和 kwargs 的更多信息，请访问 Chroma API 参考。 
retriever = vector_store.as_retriever(
    search_type="mmr", search_kwargs={"k": 1, "fetch_k": 5}
)
retriever.invoke("Stealing from the bank is a crime", filter={"source": "news"})

​
用于检索增强生成的用法

有关如何使用此向量存储进行检索增强生成 (RAG) 的指南，请参阅以下部分：

​
API 参考

有关所有 Chroma 向量存储功能和配置的详细文档，请访问 API 参考
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。