Chroma

Открытая база данных эмбеддингов для AI-приложений. Храните эмбеддинги и метаданные, выполняйте векторный и полнотекстовый поиск, фильтруйте по метаданным. Простой API из 4 функций. Масштабируется от ноутбуков до производственных кластеров. Используйте для семантического поиска, RAG-приложений или поиска документов. Лучший выбор для локальной разработки и open-source проектов.

Метаданные навыка

Источник	Опционально — установка с помощью vibeos skills install official/mlops/chroma
Путь	optional-skills/mlops/chroma
Версия	1.0.0
Автор	Orchestra Research
Лицензия	MIT
Зависимости	chromadb, sentence-transformers
Платформы	linux, macos, windows
Теги	RAG, Chroma, Vector Database, Embeddings, Semantic Search, Open Source, Self-Hosted, Document Retrieval, Metadata Filtering

Справочник: полный SKILL.md

к сведению

Ниже приведено полное описание навыка, которое VibeOS загружает при его активации. Агент видит эти инструкции, когда навык активен.

Chroma — открытая база данных эмбеддингов

База данных, созданная для AI, для построения LLM-приложений с памятью.

Когда использовать Chroma

Используйте Chroma, когда:

• Строите RAG-приложения (retrieval-augmented generation)
• Нужна локальная/самостоятельно размещённая векторная база данных
• Хотите open-source решение (Apache 2.0)
• Прототипируете в ноутбуках
• Выполняете семантический поиск по документам
• Храните эмбеддинги с метаданными

Метрики:

• 24 300+ звёзд на GitHub
• 1 900+ форков
• v1.3.3 (стабильная, еженедельные релизы)
• Лицензия Apache 2.0

Вместо этого используйте альтернативы:

• Pinecone: Управляемое облако, авто-масштабирование
• FAISS: Чистый поиск по сходству, без метаданных
• Weaviate: Продуктовая ML-ориентированная база данных
• Qdrant: Высокая производительность, на Rust

Быстрый старт

Установка

# Python
pip install chromadb

# JavaScript/TypeScript
npm install chromadb @chroma-core/default-embed

Базовое использование (Python)

import chromadb

# Создание клиента
client = chromadb.Client()

# Создание коллекции
collection = client.create_collection(name="my_collection")

# Добавление документов
collection.add(
    documents=["Это документ 1", "Это документ 2"],
    metadatas=[{"source": "doc1"}, {"source": "doc2"}],
    ids=["id1", "id2"]
)

# Запрос
results = collection.query(
    query_texts=["документ по теме"],
    n_results=2
)

print(results)

Основные операции

1. Создание коллекции

# Простая коллекция
collection = client.create_collection("my_docs")

# С пользовательской функцией эмбеддинга
from chromadb.utils import embedding_functions

openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="your-key",
    model_name="text-embedding-3-small"
)

collection = client.create_collection(
    name="my_docs",
    embedding_function=openai_ef
)

# Получение существующей коллекции
collection = client.get_collection("my_docs")

# Удаление коллекции
client.delete_collection("my_docs")

2. Добавление документов

# Добавление с автоматически сгенерированными ID
collection.add(
    documents=["Док 1", "Док 2", "Док 3"],
    metadatas=[
        {"source": "web", "category": "tutorial"},
        {"source": "pdf", "page": 5},
        {"source": "api", "timestamp": "2025-01-01"}
    ],
    ids=["id1", "id2", "id3"]
)

# Добавление с пользовательскими эмбеддингами
collection.add(
    embeddings=[[0.1, 0.2, ...], [0.3, 0.4, ...]],
    documents=["Док 1", "Док 2"],
    ids=["id1", "id2"]
)

3. Запрос (поиск по сходству)

# Базовый запрос
results = collection.query(
    query_texts=["учебник по машинному обучению"],
    n_results=5
)

# Запрос с фильтрами
results = collection.query(
    query_texts=["программирование на Python"],
    n_results=3,
    where={"source": "web"}
)

# Запрос с фильтрами по метаданным
results = collection.query(
    query_texts=["продвинутые темы"],
    where={
        "$and": [
            {"category": "tutorial"},
            {"difficulty": {"$gte": 3}}
        ]
    }
)

# Доступ к результатам
print(results["documents"])      # Список соответствующих документов
print(results["metadatas"])      # Метаданные для каждого документа
print(results["distances"])      # Оценки сходства
print(results["ids"])            # ID документов

4. Получение документов

# Получение по ID
docs = collection.get(
    ids=["id1", "id2"]
)

# Получение с фильтрами
docs = collection.get(
    where={"category": "tutorial"},
    limit=10
)

# Получение всех документов
docs = collection.get()

5. Обновление документов

# Обновление содержимого документа
collection.update(
    ids=["id1"],
    documents=["Обновлённое содержимое"],
    metadatas=[{"source": "updated"}]
)

6. Удаление документов

# Удаление по ID
collection.delete(ids=["id1", "id2"])

# Удаление с фильтром
collection.delete(
    where={"source": "outdated"}
)

Постоянное хранение

# Сохранение на диск
client = chromadb.PersistentClient(path="./chroma_db")

collection = client.create_collection("my_docs")
collection.add(documents=["Док 1"], ids=["id1"])

# Данные сохраняются автоматически
# Повторная загрузка с тем же путём
client = chromadb.PersistentClient(path="./chroma_db")
collection = client.get_collection("my_docs")

Функции эмбеддинга

По умолчанию (Sentence Transformers)

# По умолчанию используется sentence-transformers
collection = client.create_collection("my_docs")
# Модель по умолчанию: all-MiniLM-L6-v2

OpenAI

from chromadb.utils import embedding_functions

openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="your-key",
    model_name="text-embedding-3-small"
)

collection = client.create_collection(
    name="openai_docs",
    embedding_function=openai_ef
)

HuggingFace

huggingface_ef = embedding_functions.HuggingFaceEmbeddingFunction(
    api_key="your-key",
    model_name="sentence-transformers/all-mpnet-base-v2"
)

collection = client.create_collection(
    name="hf_docs",
    embedding_function=huggingface_ef
)

Пользовательская функция эмбеддинга

from chromadb import Documents, EmbeddingFunction, Embeddings

class MyEmbeddingFunction(EmbeddingFunction):
    def __call__(self, input: Documents) -> Embeddings:
        # Ваша логика эмбеддинга
        return embeddings

my_ef = MyEmbeddingFunction()
collection = client.create_collection(
    name="custom_docs",
    embedding_function=my_ef
)

Фильтрация по метаданным

# Точное совпадение
results = collection.query(
    query_texts=["запрос"],
    where={"category": "tutorial"}
)

# Операторы сравнения
results = collection.query(
    query_texts=["запрос"],
    where={"page": {"$gt": 10}}  # $gt, $gte, $lt, $lte, $ne
)

# Логические операторы
results = collection.query(
    query_texts=["запрос"],
    where={
        "$and": [
            {"category": "tutorial"},
            {"difficulty": {"$lte": 3}}
        ]
    }  # Также: $or
)

# Содержит
results = collection.query(
    query_texts=["запрос"],
    where={"tags": {"$in": ["python", "ml"]}}
)

Интеграция с LangChain

from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings
from langchain.text_splitter import RecursiveCharacterTextSplitter

# Разделение документов
text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000)
docs = text_splitter.split_documents(documents)

# Создание векторного хранилища Chroma
vectorstore = Chroma.from_documents(
    documents=docs,
    embedding=OpenAIEmbeddings(),
    persist_directory="./chroma_db"
)

# Запрос
results = vectorstore.similarity_search("машинное обучение", k=3)

# Как ретривер
retriever = vectorstore.as_retriever(search_kwargs={"k": 5})

Интеграция с LlamaIndex

from llama_index.vector_stores.chroma import ChromaVectorStore
from llama_index.core import VectorStoreIndex, StorageContext
import chromadb

# Инициализация Chroma
db = chromadb.PersistentClient(path="./chroma_db")
collection = db.get_or_create_collection("my_collection")

# Создание векторного хранилища
vector_store = ChromaVectorStore(chroma_collection=collection)
storage_context = StorageContext.from_defaults(vector_store=vector_store)

# Создание индекса
index = VectorStoreIndex.from_documents(
    documents,
    storage_context=storage_context
)

# Запрос
query_engine = index.as_query_engine()
response = query_engine.query("Что такое машинное обучение?")

Режим сервера

# Запуск сервера Chroma
# Терминал: chroma run --path ./chroma_db --port 8000

# Подключение к серверу
import chromadb
from chromadb.config import Settings

client = chromadb.HttpClient(
    host="localhost",
    port=8000,
    settings=Settings(anonymized_telemetry=False)
)

# Использование как обычно
collection = client.get_or_create_collection("my_docs")

Лучшие практики

1. Используйте постоянный клиент — не теряйте данные при перезапуске
2. Добавляйте метаданные — это позволяет фильтровать и отслеживать
3. Пакетные операции — добавляйте несколько документов за раз
4. Выбирайте правильную модель эмбеддинга — баланс скорости и качества
5. Используйте фильтры — сужайте пространство поиска
6. Уникальные ID — избегайте коллизий
7. Регулярное резервное копирование — копируйте директорию chroma_db
8. Мониторьте размер коллекции — масштабируйте при необходимости
9. Тестируйте функции эмбеддинга — обеспечивайте качество
10. Используйте серверный режим для продакшена — лучше для многопользовательской работы

Производительность

Операция	Задержка	Примечания
Добавление 100 документов	~1-3 с	С эмбеддингом
Запрос (топ 10)	~50-200 мс	Зависит от размера коллекции
Фильтр по метаданным	~10-50 мс	Быстро с правильной индексацией

Ресурсы

• GitHub: https://github.com/chroma-core/chroma ⭐ 24 300+
• Документация: https://docs.trychroma.com
• Discord: https://discord.gg/MMeYNTmh3x
• Версия: 1.3.3+
• Лицензия: Apache 2.0