使用Chroma构建基于向量的AI应用

最新推荐文章于 2025-12-11 20:59:23 发布

原创

最新推荐文章于 2025-12-11 20:59:23 发布 · 360 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #python

Chroma是一个强大的数据库，专为构建使用嵌入的AI应用而设计。在这篇文章中，我们将介绍如何安装和设置Chroma，并展示如何使用Chroma构建一个向量存储库(VectorStore)。此外，我们还会讲解如何使用SelfQueryRetriever进行语义搜索和实例选择。

技术背景介绍

在AI应用中，嵌入(embeddings)是将高维数据映射到低维空间的方式。向量存储(VectorStore)是一个存储向量数据的数据库，这在语义搜索和相似性比较中非常有用。Chroma是一个高度优化的向量数据库，它支持高效的向量存储、检索和管理。

核心原理解析

Chroma的核心概念是将文本或其他高维度数据转换为向量，并将这些向量存储在数据库中。通过高效的检索算法，Chroma能够快速找到与查询向量最相似的存储向量。这使得Chroma在构建语义搜索和实例选择的AI应用中非常有用。

代码实现演示

安装和设置

首先，我们需要安装langchain-chroma包：

pip install langchain-chroma

构建向量存储(VectorStore)

以下是如何使用Chroma构建一个向量存储库的示例代码：

from langchain_chroma import Chroma

# 初始化Chroma向量存储
vector_sto

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

bBADAS

关注关注

3
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【DeepSeek R1构建本地RAG知识库】向量库选型对比（Pinecone、Milvus、Chroma、Weaviate、Faiss、Qdrant）

少说，多做

02-18

2601

在当今的数字世界中，向量数据库已经成为了存储和检索各种数据（无论是结构化的还是非结构化的）的首选工具。这些数据被转化为所谓的向量嵌入，由特定的模型生成。在开发利用深度学习，尤其是涉及到庞大的语言模型的应用程序时，向量存储起到了无可替代的作用。我们生活的世界中，数据往往是复杂且无规则的，不是所有信息都能简单地适应传统的行列模式。特别是当我们处理图像、视频和自然语言这样的复杂非结构化数据时，向量数据库就显得尤为重要了。向量数据库，顾名思义，它以高维向量的形式存储数据。

构建LangChain应用程序的示例代码：51、如何使用 Chroma 实现多模态检索增强生成 (RAG)

Hugo的博客

07-03

2039

本文件详细介绍了如何使用 Chroma 实现多模态检索增强生成 (RAG)。主要内容包括系统的整体架构、关键组件、代码实现以及应用示例。文中展示了如何将文本和图像数据结合，利用检索技术增强生成模型的性能。具体代码部分提供了详细的实现步骤，并辅以注释以帮助理解。

参与评论您还未登录，请先登录后发表或查看评论

【AI基础】从零开始：Chroma向量数据库构建高效AI应用全攻略

Arbboter的专栏

03-11

1932

文章主要介绍了Chroma向量数据库，涵盖其简介、安装部署、核心概念、高级功能及应用场景。Chroma作为开源AI原生向量数据库，通过将非结构化数据转换为向量嵌入，实现高效检索，适用于语义搜索、推荐系统等场景。安装部署包括本地安装、Docker部署及客户端连接配置。核心概念包括数据建模、存储架构、索引机制等。高级功能涉及数据预处理、性能优化、持久化存储等。应用场景广泛，包括推荐系统、语义搜索、大模型增强等。

向量数据库Chroma极简教程

lingqu＋wx bjmsb06

12-30

4421

目前向量数据库在AI中的应用越来越重要，但很多厂商更倾向于将向量数据库隐藏在产品内部，用户感知不到很多向量数据库的使用细节。但大模型的学习终究是建立在开源代码之上的，学习Chroma可以让我们快速了解向量数据库的基本原理，也有利于我们未来更好地理解大模型。

使用Chroma和SelfQueryRetriever构建智能向量数据库应用

eahba的博客

03-01

511

在构建AI应用时，向量数据库（Vector Database）是一个相当关键的组件。它能够存储文本、图像等数据的向量表示，从而支持高效的相似度搜索。Chroma是一个用于构建AI应用的向量数据库，可以方便地存储和检索嵌入向量。在本文中，我们将展示如何使用结合Chroma向量数据库，实现一个智能的文档检索系统。

构建基于嵌入向量的AI应用: 使用Chroma和SelfQueryRetriever

antja_的博客

07-11

357

Chroma利用嵌入向量实现高效的文档检索，使得基于内容的查询更精准。SelfQueryRetriever是一个能够根据自定义元数据和内容描述自动检索相关文档的工具。结合这两者，我们可以实现复杂的查询机制。

使用Chroma构建AI应用程序的向量存储实战指南

jkgSFS的博客

01-11

806

在开发AI应用程序时，向量存储（VectorStore）是一个至关重要的组件。它通常用于语义搜索和示例选择，当涉及到处理大量嵌入（embeddings）时，Chroma是一个非常实用的数据库选择。在本文中，我们将深入探讨如何利用Chroma以及它在AI应用程序中的实际应用。

Chroma向量数据库的使用

Mark_Australia的博客

07-10

1075

Chroma

使用Chroma向量数据库和SelfQueryRetriever构建智能检索系统

qq_29929123的博客

09-08

992

Chroma是一个专为AI应用设计的向量数据库，它可以高效地存储和检索嵌入向量。在我们的示例中，我们将使用Chroma来存储电影信息及其向量表示。SelfQueryRetriever是LangChain库中的一个强大组件，它能够将自然语言查询转换为结构化的查询和过滤条件。这使得我们可以构建一个既能理解用户意图，又能精确检索的系统。本文介绍了如何使用Chroma向量数据库和SelfQueryRetriever构建智能检索系统。

**用Chroma构建智能检索：从零开始实现基于向量的电影推荐系统**

aehrutktrjk的博客

11-02

495

Chroma结合Langchain-Chroma可以让我们轻松构建嵌入式AI应用程序。Chroma官方文档Langchain项目主页。

基于 LangChain + Chroma 实现文档向量化入库（含摘要处理 + RAG 查询）：完整实战流程

murphymeng2001的博客

05-25

1644

在构建 AI 应用（如智能问答、知识检索）时，第一步往往是将原始文档转化为向量形式并存入数据库。这通常包含以下流程：加载原始文件（PDF、TXT 等格式）文本切分（控制 chunk 大小以适配模型）使用大模型提取摘要（减少冗余）向量化（生成 embedding 向量）存入向量数据库（如 Chroma）本文将使用 LangChain 框架 + 阿里通义大模型 + Chroma 数据库，完成从原始文档到知识入库再到语义检索的完整闭环。

如何用AI处理音乐音频消除作品信息里的 AI 痕迹-程序员音乐人卓伊凡

一颗优雅草科技-央千澈的优快云博客~只想无穷无尽的学习~作息早8-晚8

12-11

618

如何用AI处理音乐音频消除作品信息里的 AI 痕迹-程序员音乐人卓伊凡

精品数据分享 | 锂电池数据集（七）同济大学电池数据集

最新发布

12-11

421

本期继续分享一篇Nature communicationTop论文公开锂离子电池数据，划重点-数据集开源，代码开源！！！

【论文速递】2025年第34周(Aug-17-23)(Robotics/Embodied AI/LLM)

淋曦的进击手记

12-07

1751

自我监督的学习有望消除对手动数据注释的需求，从而使模型能够毫不费力地扩展到大规模的数据集和较大的体系结构。通过不针对特定的任务或领域量身定制，这种训练范式有可能使用单个算法从不同的来源学习视觉表示形式，从自然到航空图像。该技术报告介绍了Dinov3，这是通过利用简单而有效的策略来实现这一愿景的主要里程碑。首先，我们利用仔细的数据准备，设计和优化来扩展数据集和模型大小的好处。其次，我们介绍了一种称为GRAM锚定的新方法，该方法有效地解决了长期训练时间表中已知但未解决的密集特征映射降解的问题。

宝马，如何建设一座AI汽车工厂？｜产业AI案例

chanyejiawang的博客

12-08

1145

AI汽车时代来袭

大模型的监督微调基础详解

AggressiveYu的博客

12-10

923

在预训练完毕之后，我们的模型已经成为了一个学习完所有知识的学生，但是他缺乏用适当的方式表达知识的能力，还是停留在续写文本的阶段，无法直接回答我们的问题，所以监督微调这个时候就出来了，这个指令微调的作用，就是让模型在预训练的基础上，通过特定的数据和训练，让模型能够更好的回答用户的问题。预训练一般包括三大要素，网络结构，损失函数，训练数据。指令微调和预训练的方式几乎没有区别，只是训练数据的不同。

AI大模型中的MCP协议核心设计原理

猫哥的沉淀、积累、总结。天天学习，好好向上...c/c++,嵌入式 linux,Android,HarmonyOS，AIOT)

12-07

972

MCP协议是Anthropic提出的标准化AI模型与外部工具交互的通信协议。文章从核心设计、路由机制、安全控制三方面解析MCP：采用JSON-RPC 2.0增强实现，支持多种通信模式；通过动态注册表和智能路由策略实现分布式调度；设计安全沙箱保障执行安全。企业案例显示其延迟<120ms、可用性达99.995%。MCP显著提升工具接入效率，降低40%+资源消耗，推动AI工具生态发展。

获客软件VertGrow AI销冠助力全新私域获客策略

VertGrow的博客

12-08

562

在竞争激烈的市场中，获客软件VertGrow AI销冠成为企业实现主动获客的重要工具。VertGrow AI销冠凭借先进的AI技术，助力企业制定全新私域获客策略，通过精细化管理，提高客户转化率，实现高效获客。无论是小型创业公司还是大型企业，都能通过这一解决方案获得显著提升，开启高效的客户获取之旅。

创始人IP与AI融合：重构信任与引领变革

ckjrxdn的博客

12-08

235

通过个人品牌的塑造，企业能够增强与用户之间的情感连接，提升认同感。举办此次峰会，是希望帮助更多中小企业家认识到技术趋势与品牌建设的重要性，从而更好地把握未来发展机遇。另一方面，人工智能能够全面提升企业在内容创作、客户转化等环节的效率，助力构建可持续的商业系统。活动汇聚了来自全球的创始人、行业专家及媒体代表，共同探讨在人工智能与个人品牌价值并重的时代背景下，企业如何应对挑战、实现持续发展。本次峰会还设置了多场主题分享与圆桌对话，聚焦人工智能的应用前景与未来商业趋势，为参会者提供了交流与合作的平台。

如何构建chroma向量图片库

07-31

<think>我们正在使用Chroma构建一个向量图片数据库，主要功能是通过文字搜索图片。根据引用[1]，我们知道Chroma支持文字和图片，通过OpenClip模型对文字和图片做Embedding。因此，构建步骤包括： 1. 准备图片数据 2. 使用OpenClip模型对图片生成Embedding向量 3. 将向量和元数据（如图片路径）存储到Chroma 4. 对搜索文本同样用OpenClip生成Embedding，然后在Chroma中进行相似度搜索具体步骤：步骤1：安装必要的库我们需要安装chromadb和open_clip_torch（或者使用OpenClip的API，但这里我们使用本地模型）。步骤2：准备图片数据将图片存放在一个目录中，并收集所有图片的路径。步骤3：加载OpenClip模型使用OpenClip加载预训练模型和处理器（用于图像预处理）。步骤4：生成图片向量遍历每张图片，用模型提取特征向量。步骤5：创建Chroma集合在Chroma中创建一个集合（collection），用于存储向量和元数据。步骤6：将向量和元数据存入Chroma 将每张图片的向量、id（可以是图片路径）和元数据（如文件名等）添加到集合中。步骤7：文本搜索当用户输入搜索文本时，用同样的模型将文本转换为向量，然后在集合中搜索最相似的图片向量。下面是一个示例代码框架： ```python import chromadb from chromadb.utils import embedding_functions import open_clip import torch from PIL import Image import os # 设置图片目录 image_dir = "path/to/your/images" # 初始化Chroma客户端 chroma_client = chromadb.PersistentClient(path="path/to/db") # 或者使用HttpClient连接远程 # 使用OpenClip的嵌入函数，这里我们自定义一个嵌入函数，因为chromadb的embedding_functions目前可能没有直接支持OpenClip # 但我们可以自己实现，或者使用chromadb的CustomEmbeddingFunction # 注意：chromadb支持自定义嵌入函数，我们只需要实现一个函数，输入为字符串列表（对于文本）或图像数据（对于图像），输出为向量列表。 # 由于我们的数据是图片，而搜索时输入文本，所以需要分别处理。 # 加载OpenClip模型 model, _, preprocess = open_clip.create_model_and_transforms('ViT-B-32', pretrained='laion2b_s34b_b79k') tokenizer = open_clip.get_tokenizer('ViT-B-32') # 定义图片嵌入函数 def image_embedder(images: list) -> list: # 注意：images是一个列表，每个元素是图片的路径（字符串）或者可以直接是PIL.Image对象？这里我们假设传入的是路径列表 embeddings = [] for img_path in images: image = Image.open(img_path).convert("RGB") image_input = preprocess(image).unsqueeze(0) # 增加一个batch维度 with torch.no_grad(): image_features = model.encode_image(image_input) image_features /= image_features.norm(dim=-1, keepdim=True) # 归一化，相似度计算用余弦相似度 embeddings.append(image_features.squeeze(0).tolist()) return embeddings # 定义文本嵌入函数（用于搜索时） def text_embedder(texts: list) -> list: embeddings = [] for text in texts: text_tokens = tokenizer([text]) with torch.no_grad(): text_features = model.encode_text(text_tokens) text_features /= text_features.norm(dim=-1, keepdim=True) embeddings.append(text_features.squeeze(0).tolist()) return embeddings # 创建集合（如果不存在） # 注意：我们使用自定义的嵌入函数，但chromadb要求嵌入函数必须实现为EmbeddingFunction的子类，因此我们可以使用CustomEmbeddingFunction # 但是，由于我们的嵌入函数是针对图片和文本分别的，而Chroma的集合只能有一个嵌入函数（用于输入数据），所以这里我们存储的是图片向量，因此集合的嵌入函数应该是图片嵌入函数？但实际上，在存储时我们使用图片嵌入函数生成向量，而搜索时我们使用文本嵌入函数生成向量，然后进行搜索。Chroma的集合在存储时并不需要指定嵌入函数（如果我们自己提供向量的话），我们可以直接提供向量。 # 因此，我们可以不使用集合的嵌入函数，而是自己计算好向量再存入。这样，集合的嵌入函数可以设置为None，然后我们存储时提供向量。 # 创建集合（不使用集合的嵌入函数） collection = chroma_client.create_collection(name="image_vectors") # 收集所有图片路径 image_paths = [os.path.join(image_dir, f) for f in os.listdir(image_dir) if f.endswith(('.jpg', '.png'))] # 生成图片向量 image_embeddings = image_embedder(image_paths) # 准备元数据和id ids = [str(i) for i in range(len(image_paths))] # 使用索引作为id，也可以使用图片路径的哈希值等 metadatas = [{"file_path": path} for path in image_paths] # 存入集合 collection.add( embeddings=image_embeddings, metadatas=metadatas, ids=ids ) # 现在，我们可以进行文本搜索 query_text = "a cat playing with a ball" query_embedding = text_embedder([query_text])[0] # 注意：text_embedder返回的是列表，我们取第一个 # 搜索 results = collection.query( query_embeddings=[query_embedding], n_results=3 ) # 输出结果 print(results) ``` 注意：上面的代码是一个简化示例，实际中需要考虑性能（批量处理）、错误处理、持久化等。另外，Chroma也支持直接使用集合的嵌入函数，但这里我们手动计算向量，所以更灵活。但是，上面的代码有一个问题：在存储时我们使用了图片嵌入向量，而查询时使用了文本嵌入向量。由于OpenClip的模型将图片和文本映射到同一个向量空间，所以可以直接进行相似度比较。另外，我们也可以使用chromadb的`Images`功能（如果支持的话），但目前Chroma主要针对文本，所以我们需要自己处理图片的嵌入过程。改进：我们可以使用chromadb的`embedding_function`参数来指定一个自定义的嵌入函数，这样在添加数据时，我们可以传入图片的二进制数据或路径，然后由嵌入函数处理。但是，chromadb的嵌入函数目前只支持文本（默认），所以我们需要自定义一个支持图片的嵌入函数。不过，在chromadb中，自定义嵌入函数需要实现`EmbeddingFunction`接口，它有一个`__call__`方法，接收文本列表。因此，如果我们想同时支持图片和文本，可能需要做一些调整。另一种做法：我们只存储图片向量，而查询向量由我们自己计算（如上面的例子）。这样，我们就不需要集合的嵌入函数了。根据引用[2]，Chroma以其简单性和开发者友好性著称，所以上述方法已经足够简单。因此，我们按照上述步骤构建即可。最后，关于OpenClip模型的选择，我们可以根据需求选择不同的预训练模型，例如'ViT-B-32'是一个平衡速度和精度的选择。相关问题： 1. 如何优化Chroma向量图片数据库的搜索速度？ 2. 除了OpenClip，还有哪些模型可以用于图片和文本的跨模态检索？ 3. Chroma向量数据库支持哪些索引类型？如何选择？ 4. 如何处理大规模图片数据（上百万张）的向量生成和存储？ 5. 如何更新Chroma中的图片向量（例如，当图片被修改或删除时）？</think>### 如何使用 Chroma 构建向量图片数据库以下是构建 Chroma 向量图片数据库的完整步骤，基于 OpenCLIP 模型实现文字搜索图片功能： --- #### **1. 环境准备** 安装必要库： ```bash pip install chromadb open_clip_torch pillow torch ``` --- #### **2. 核心流程** ```python import chromadb import open_clip import torch from PIL import Image import os # 初始化 Chroma 客户端 client = chromadb.PersistentClient(path="./image_vector_db") # 本地持久化存储 collection = client.create_collection(name="image_vectors") # 加载 OpenCLIP 模型 model, _, preprocess = open_clip.create_model_and_transforms('ViT-B-32', pretrained='laion2b_s34b_b79k') tokenizer = open_clip.get_tokenizer('ViT-B-32') # 图像向量生成函数 def get_image_embedding(image_path: str) -> list: image = Image.open(image_path).convert("RGB") image_tensor = preprocess(image).unsqueeze(0) with torch.no_grad(): image_features = model.encode_image(image_tensor) return image_features.squeeze(0).tolist() # 转为列表格式 # 文本向量生成函数 def get_text_embedding(text: str) -> list: text_tokens = tokenizer([text]) with torch.no_grad(): text_features = model.encode_text(text_tokens) return text_features.squeeze(0).tolist() # 添加图片到数据库 image_dir = "your_images_folder" for idx, img_file in enumerate(os.listdir(image_dir)): img_path = os.path.join(image_dir, img_file) embedding = get_image_embedding(img_path) collection.add( embeddings=[embedding], metadatas=[{"file_path": img_path}], # 存储原图路径 ids=[f"img_{idx}"] # 唯一ID ) # 文字搜索图片 def search_images(query: str, n_results=5): query_embedding = get_text_embedding(query) results = collection.query( query_embeddings=[query_embedding], n_results=n_results ) return results["metadatas"][0] # 返回匹配的图片元数据 # 示例：搜索"海滩日落" print(search_images("海滩日落")) ``` --- #### **3. 关键组件说明** 1. **向量生成** - 使用 OpenCLIP 的 `ViT-B-32` 模型将图片/文本映射到 512 维向量空间 - 同一模型保证图文向量可比对[^1] 2. **数据存储** - Chroma 存储三要素：`向量` + `元数据` + `ID` - 元数据建议包含：图片路径、创建时间、标签等 3. **检索流程** $$ \text{相似度} = \cos(\theta) = \frac {\vec{A} \cdot \vec{B}} {\|\vec{A}\| \|\vec{B}\|} $$ 默认使用余弦相似度计算文本向量与图片向量的匹配度 --- #### **4. 优化建议** - **批量处理**：使用 `collection.add(embeddings=[...])` 批量添加减少 I/O - **元数据过滤**： ```python collection.query(..., where={"category": "nature"}) # 按元数据字段过滤 ``` - **混合搜索**：结合关键词与向量搜索提升精度 - **分布式部署**：超过 100 万数据时使用 Chroma 集群模式[^2] --- #### **5. 应用场景** 1. 电商平台：用文字搜索商品图片 2. 相册管理：通过描述查找历史照片 3. 内容审核：检测违规图片 4. 推荐系统：相似图片推送 ---