chroma
Otwarta baza wektorowa do budowania aplikacji AI z pamięcią — semantic search i RAG w kilka linii kodu
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Chroma to lekka, otwarta baza danych do przechowywania embeddingów i metadanych. Pozwala na wyszukiwanie semantyczne i pełnotekstowe z filtrowaniem po metadanych. Skaluje się od notebooków do produkcji. Idealna do budowania aplikacji RAG, wyszukiwania dokumentów i prototypowania lokalnie. Nie wymaga chmury — uruchamiasz ją sam na swoim sprzęcie.
Jak używać
Zainstaluj bibliotekę Chroma za pomocą pip install chromadb (Python) lub npm install chromadb @chroma-core/default-embed (JavaScript/TypeScript).
Zainicjuj klienta i utwórz kolekcję, w której będziesz przechowywać dokumenty: client = chromadb.Client(), a następnie collection = client.create_collection(name="nazwa_kolekcji").
Dodaj dokumenty do kolekcji wraz z metadanymi i identyfikatorami: collection.add(documents=["tekst dokumentu"], metadatas=[{"źródło": "nazwa"}], ids=["id1"]).
Wykonaj zapytanie semantyczne, podając tekst wyszukiwania i liczbę wyników: results = collection.query(query_texts=["szukany temat"], n_results=2).
Wyniki zawierają dokumenty najbliższe semantycznie do Twojego zapytania — możesz je wyświetlić lub przetworzyć dalej w aplikacji.