Chroma 是一个开源向量数据库，能够存储文档集合及其元数据，为文档和查询创建嵌入，并按文档元数据或内容进行过滤来搜索集合。此外，Chroma 还支持多模态嵌入函数。

Chroma 可以内存运行、作为嵌入式数据库运行，或以客户端-服务器模式运行。当内存运行时，Chroma 仍然可以在不同会话之间将内容保留在磁盘上。这使得用户能够快速搭建原型，并稍后迁移到生产环境，在那里部署客户端-服务器版本。

初始化

首先，安装 Chroma 集成，这将安装 Haystack 和 Chroma（如果它们尚未安装）。您只需要以下命令即可开始

pip install chroma-haystack

要将数据存储在 Chroma 中，请创建一个 ChromaDocumentStore 实例，并使用以下方式写入文档

from haystack_integrations.document_stores.chroma import ChromaDocumentStore
from haystack import Document

document_store = ChromaDocumentStore()
document_store.write_documents([
    Document(content="This is the first document."),
    Document(content="This is the second document.")
])
print(document_store.count_documents())

在这种情况下，由于我们没有与文档一起传递任何嵌入，Chroma 将使用其默认嵌入函数为我们创建它们。

连接选项

1. 内存模式 (本地)：Chroma 可以设置为本地文档存储，以实现快速轻量级的用法。您可以在开发或小型实验中使用此选项。设置一个本地内存实例的 ChromaDocumentStore 如下所示

   Python

   from haystack_integrations.document_stores.chroma import ChromaDocumentStore
   
   document_store = ChromaDocumentStore()
   

2. 持久存储：如果您需要在会话之间保留文档，Chroma 支持通过指定一个路径来存储磁盘上的数据来实现持久存储

   Python

   from haystack_integrations.document_stores.chroma import ChromaDocumentStore
   
   document_store = ChromaDocumentStore(persist_path="your_directory_path")
   

3. 远程连接：您可以通过 HTTP 连接到远程 Chroma 数据库。这适用于分布式设置，其中多个客户端可能与同一个远程 Chroma 实例交互。

   请注意，此选项与内存或持久存储模式不兼容。

   首先，启动一个 Chroma 服务器

   Shell

   chroma run --path /db_path
   

   或使用 docker

   Shell

   docker run -p 8000:8000 chromadb/chroma
   

   然后，使用以下命令初始化文档存储host和port参数

   Python

   from haystack_integrations.document_stores.chroma import ChromaDocumentStore
   
   document_store = ChromaDocumentStore(host="localhost", port="8000")
   

支持的 Retrievers

Haystack Chroma 集成提供了三个 Retriever 组件。它们都依赖于 Chroma 的query API，但它们有不同的输入和输出，以便您可以选择最适合您管道的组件。

• ChromaQueryTextRetriever：此 Retriever 接受纯文本查询字符串作为输入，并返回匹配文档的列表。Chroma 将使用其默认嵌入函数为查询创建嵌入。
• ChromaEmbeddingRetriever：此 Retriever 接受单个查询的嵌入作为输入，并返回匹配文档的列表。在将查询传递给此组件之前，需要对其进行嵌入。例如，您可以使用embedder组件。

其他参考资料

🧑‍🍳 食谱：使用 Chroma 进行 RAG 和索引