项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 29655
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Python 环境(用于 pip 安装 Python 客户端)
- Node.js/npm 环境(用于安装 JavaScript 客户端)
- 客户端-服务器模式需准备一个本地数据目录,如 /chroma_db_path
- 可选:Chroma Cloud 账号(托管服务,注册含 5 美元免费额度)
安装与启动步骤
-
1安装 Python 客户端
README 给出的 Python 安装方式,安装后即可在代码中 import chromadb,无需单独部署服务。
pip install chromadb -
2安装 JS 客户端
使用 JavaScript/Node.js 项目时改用 npm 安装,README 明确提示 npm install chromadb。
npm install chromadb -
3启动本地服务端
需要客户端-服务器模式时执行,--path 指定数据存放路径,README 中示例为 /chroma_db_path。
chroma run --path /chroma_db_path -
4创建客户端
内存模式适合快速原型,README 说明该方式可轻松改为持久化,无需额外配置。
import chromadb client = chromadb.Client() -
5创建集合
用 create_collection 建立集合,README 提到 get_collection、get_or_create_collection 等同样可用。
collection = client.create_collection("all-my-documents") -
6添加文档
调用 collection.add 写入文档,README 说明也支持更新和删除,后续还会推出行式 API。
collection.add( documents=["This is document1", "This is document2"], )
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
--path | 否 | chroma run 启动服务端时的数据存储路径 | /chroma_db_path |
如何确认成功
执行示例 Python 代码无报错,create_collection 成功返回集合对象,即说明客户端与集合初始化成功。
常见问题
Q:必须自己起服务端吗?
A:不必。chromadb.Client() 为内存模式,可直接用于原型验证;需要持久化或跨进程访问时再用 chroma run --path 启动客户端-服务器模式。
Q:数据如何持久化保存?
A:README 给出的方式是客户端-服务器模式:chroma run --path /chroma_db_path,把数据落到指定目录。
Q:不想自己运维怎么办?
A:可以使用官方托管服务 Chroma Cloud,提供无服务器向量、混合与全文检索,注册含 5 美元免费额度,30 秒内即可建库试用。
Q:JavaScript 项目怎么接入?
A:安装方式相同,把 pip install chromadb 换成 npm install chromadb 即可。
注意事项
- README 未提供 Docker、源码编译等安装方式,请勿自行推测相关命令。
- pip/npm 安装的均为客户端,服务端模式还需额外执行 chroma run --path。
- README 中的 Python 调用示例被截断,实际参数请以官方文档 docs.trychroma.com 为准。
- Chroma Cloud 为付费托管服务,需先在 trychroma.com/signup 注册开通。
核心亮点
- Rust 核心引擎,性能高且内存安全
- API 简洁,Python/JS 客户端上手快
- 支持元数据过滤,混合查询能力强
不足之处
- 生态相对年轻,高级功能不如 Milvus 丰富
- 文档和社区支持有待完善
适用场景
- RAG 知识库问答系统
- 语义搜索与推荐系统
- AI 应用的原型验证与快速迭代
替代项目
Milvus、Qdrant、Weaviate
同类项目推荐
omlx
开源
Mac 菜单栏一键跑大模型,SSD 缓存突破内存限制,连续批处理提速
LLM inference server with continuous batching & SSD caching for Apple Silicon — man···
nano-vectordb
开源
百行代码搞定向量检索,轻松上手随意改
A simple, easy-to-hack Vector Database
Free-GPT4-WEB-API
开源
自建免费AI网关,一次接入GPT、Gemini、Claude等模型,无限调用。
Not just GPT4! Easy to use, Self-Hosted, Unlimited and Free WEB API of the latest A.···
one-hub
开源
统一管理多模型API密钥,轻松分发,自带统计看板
OpenAI 接口管理 & 分发系统,改自songquanpeng/one-api。支持更多模型,加入统计页面,完···
ML-Model-CI
开源
一键将训练好的模型自动优化并部署为高性能推理服务
MLModelCI is a complete MLOps platform for managing, converting, profiling, and depl···
lantern
开源
在 PostgreSQL 里直接跑向量搜索,不用额外部署向量数据库。
PostgreSQL vector database extension for building AI applications
mljet
开源
一行命令把 ML 模型变成 HTTP 服务
Minimalistic ML-models auto deployment tool
mcp-shark
开源
像抓包网络一样抓包 MCP 通信,快速定位 AI 集成问题。
Wireshark-like forensic analysis for Model Context Protocol communications Capture,···
lilypad
开源
像管代码一样管模型,一键追踪、标注、迭代
Open-source versioning, tracing, and annotation tooling.
