ChromaDB 是一個原生開源的嵌入式資料庫，輕量且易用，主要使用在 AI 和機器學習，儲存和查詢向量資料庫，數據會藉由嵌入（Embedding）算法文本或圖像轉換而來，輕鬆建立LLM 應用程式，他也可運行在記憶體或作為資料庫伺服器使用。

優點：
輕量級開源資料庫
易於使用：透過 Python 套件直接安裝使用
功能多樣：Embedding 儲存、取用、查詢、檢索
支援多種服務：OpenAI、 Gemini、 Ollama，從文本生成到圖像檢所
整合：LangChain 和 LlamaIndex ，可接軌現有的 RAG（檢索增強生成）架構

接下來就開始安裝和簡易的操作使用：

1. 安裝chromadb

pip install chromadb

2. 建立資料庫
三種儲存方式，持久化資料庫、memory 或 http

• Memory：
  簡易且輕量，資料存在記憶體，但應用程式重啟或資料庫重建時，資料會遺失，適合資料要快速存取，但不用持久化。

  import chromadb
  
  chroma_client = chromadb.Client()
  

• 持久化資料庫：
  資料持久化到磁碟上，應用程式重啟後資料一樣可以載入，適合需要長期保存的向量資料。

  import chromadb
  
  chormadb_client = chormadb.PersistentClient(path="./data")
  

• http：
  允許不同的應用程式通過 API 與資料庫交互
  運行伺服器：

  chromadb start --host 0.0.0.0 --port 8000
  

  客戶端連接伺服器：

  import chromadb
  
  # 創建一個連接到伺服器的 ChromaDB 客戶端
  chormadb_client = chromadb.Client(host="http://localhost", port=8000)
  

3. 創建集合 （Collection）
數據儲存在資料集合（Collection）中，每個集合可以儲存多個向量資料（documents）。

collection = chormadb_client.create_collection(name="collection_name")

4. 創建資料
將文件或資料嵌入向量，並將向量加入到資料集合。

collection.add(
    documents=["Document 1", "Document 2"], # 原始文本數據或文檔
    embeddings=[[1, 2, 3], [4, 5, 6]], # 向量嵌入的數值列表或數組
    metadatas=[{"author": "Alice", "topic": "AI"}, {"author": "Bob", "topic": "ML"}], # 附加數據
    ids=["doc1", "doc2"] # 唯一識別符
)

• embeddings: 嵌入向量，用於進行相似度檢索。
• documents: 對應於嵌入的原始文本資料，檢索結果會返回這些文檔。
• metadatas: 與每個文檔相關的附加元數據，提供上下文或過濾選項。
• ids: 唯一標識符，幫助管理和查找每個文檔或數據項。

5. 查詢向量資料庫
資料儲存後就可以根據嵌入向量進行相似度查詢，來檢索與查詢向量最接近的文件。

# 根據嵌入向量查詢相似文件
results  = collection.query(
    query_embeddings=[[1, 2, 3]],
    n_results=1
)

print(results)

• query_texts：根據文本查詢，放入相關問題或字句，希望根據提供的文本相似結果進行檢索 (維度要相同)
• query_embeddings：根據嵌入向量查詢，嵌入是將文本或其他數據轉換成數字向量過程，向量代表數據意圖
• n_results：限制回傳的筆數

6. 更新與刪除資料

# 更新文檔向量
collection.update(
    ids=["doc1"],
    embeddings=[[7, 8, 9]]
)

# 刪除文檔
collection.delete(ids=["doc1"])

以上就是 chromadb 的介紹啦！