Chroma

Chroma‌ 是一个开源、轻量级、专为 AI 应用设计的‌向量数据库‌，主要用于高效存储和检索高维向量（ 如文本嵌入 ），支持语义搜索、推荐系统、RAG（ 检索增强生成 ）等场景。

核心特点

‌开源免费‌：采用 Apache 2.0 许可证，代码公开，社区活跃。

‌AI 原生‌：专为大模型（ LLM ）和嵌入（ embeddings ）优化，无缝集成 LangChain、LlamaIndex 等主流 AI 框架。

‌易用性高‌：

• 提供简洁的 Python / JavaScript API，3 行代码即可完成增删改查 ‌。
• 支持自动嵌入生成（ 默认使用 all-MiniLM-L6-v2 模型，也支持 OpenAI、Hugging Face 等自定义模型 ）‌。

‌灵活数据模型‌：可同时存储 ‌向量、文档文本、元数据（ metadata ）‌，支持基于元数据的过滤查询。

‌多种运行模式‌：

• 内存模式（ 适合调试 ）
• 持久化模式（ 数据存磁盘，使用 SQLite ）
• HTTP 客户端 / 服务器模式（ 支持远程访问 ）

‌高性能检索‌：采用 HNSW 等近似最近邻（ ANN ）算法，支持余弦相似度、欧氏距离等多种度量方式 ‌。

核心概念

‌Collection（ 集合 ）‌：类似传统数据库的 “ 表 ”，用于存储一组嵌入向量、文档和元数据 ‌。
‌Tenant（ 租户 ） & Database（ 数据库 ）‌：逻辑分组结构，用于组织多个 Collection ‌。
‌Embedding（ 嵌入 ）‌：将文本、图像等转换为数值向量，用于语义表示 ‌。
‌Document（ 文档 ）‌：原始文本内容，与嵌入关联，用于上下文返回 ‌。
‌Metadata（ 元数据 ）‌：键值对形式的附加信息（ 如来源、类别、时间 ），可用于查询过滤 ‌。

典型应用场景

✅ ‌语义搜索‌：问答系统、知识库检索
✅ ‌推荐系统‌：基于用户 / 物品嵌入的相似匹配
✅ ‌图像 / 音频检索‌：以图搜图、跨模态搜索
✅ ‌异常检测‌：通过嵌入相似度识别异常样本
✅ ‌RAG 应用‌：为大模型提供外部知识检索 ‌