Chroma

什么是Chroma？

Chroma是专为AI应用开发构建的开源embedding和向量数据库。它使开发者能够存储、管理和查询高维向量embedding以及元数据，使构建检索增强生成(RAG)管道、语义搜索引擎和LLM驱动应用的记忆层变得简单直接。Chroma支持本地开发，并通过云端对象存储扩展到PB级，在相同API下提供完全托管的无服务器云服务。采用Apache 2.0许可证，拥有超过21K GitHub星标和每月500万+下载量，已成为开发者社区中最广泛采用的向量数据库之一。

主要功能

• 多模式搜索

  在统一接口中支持向量相似性搜索、全文搜索、正则表达式匹配和元数据过滤，实现超越简单最近邻查找的丰富精确检索。

• 无缝Embedding集成

  内置支持来自OpenAI、HuggingFace、Google Cohere等的embedding模型——包括默认的Sentence Transformers模型——让开发者无需自定义embedding管道即可快速上手。

• 灵活的部署选项

  支持内存运行以快速原型开发、作为持久化本地实例，或在Chroma Cloud上作为完全托管的无服务器云服务，全部共享相同的开发者API。

• 框架和语言兼容性

  为Python、JavaScript、Ruby、PHP、Java等提供原生客户端，与LangChain、LlamaIndex和其他领先的AI开发框架深度集成。

• 云原生可扩展性

  基于对象存储构建的分布式、水平可扩展架构，具有自动数据分层、多租户和SOC 2 Type I合规性，适用于生产工作负载。

使用场景

• RAG应用 : 构建检索增强生成系统的开发者使用Chroma存储文档embedding，并在查询时检索最相关的上下文以输入到LLM中。
• 语义搜索 : 团队在Chroma中嵌入和索引大型文本语料库，为语义搜索引擎提供支持，按含义而非关键词匹配返回结果。
• LLM记忆和上下文管理 : Chroma作为对话Agent和聊天机器人的持久记忆存储，使它们能够回忆相关的过往交互或领域知识。
• 推荐系统 : 产品和内容推荐管道使用Chroma基于向量接近度找到与用户偏好最相似的项目。
• 多模态检索 : 支持图像和多模态embedding，在同一数据库中实现跨文本和视觉数据的检索工作流。

常见问题