15天学会AI应用开发（九）利用Chroma持久化向量数据

import chromadb
# 创建数据库，指定本地的数据库路径
client = chromadb.PersistentClient(path="./chroma_db")
# 创建数据表
collection = client.get_or_create_collection("knowledge_base")
# 把 文本+向量 一起存进去
collection.add(documents=knowledge, embeddings=vectors, ids=ids)
# 提问 → 自动检索最相似的
results = collection.query(query_embeddings=q_vec, n_results=1)

pip install chromadb sentence-transformers

from sentence_transformers import SentenceTransformer
import chromadb
# ===================== 知识库（不变） =====================
knowledge = [
    "什么是AI：人工智能（AI）是一门使机器模拟人类智能的技术。",
    "什么是RAG：RAG代表检索增强生成，通过检索外部知识提升大模型回答准确性。",
    "本地RAG消耗Token吗：本地RAG不调用云端API，不消耗Token，完全免费。",
    "FAISS是什么：FAISS是Facebook开源的向量检索库，用于本地高效检索。",
    "RAG的作用：RAG让大模型能引用外部知识，避免胡说八道。"
]
# ===================== 加载本地embedding模型（不变） =====================
embed_model = SentenceTransformer("./all-MiniLM-L6-v2", device="cpu")
# 生成向量（把知识库向量化）
vectors = embed_model.encode(knowledge)
# ===================== Chroma 初始化 =====================
# 添加到 Chroma，要持久化用：
client = chromadb.PersistentClient(path="./chroma_db")
# 创建/获取集合
collection = client.get_or_create_collection(name="knowledge_base")
ids = [f"doc_{i}" for i in range(len(knowledge))]
collection.add(
    documents=knowledge,
    embeddings=vectors.tolist(),  # 传入向量（也可让Chroma自己embedding）
    ids=ids
)
# ===================== RAG 检索（逻辑不变） =====================
def rag(question):
    print("\n 问题：" + question)
    # 把问题向量化
    q_vec = embed_model.encode([question])
    # 从 Chroma 检索对应的知识
    results = collection.query(
        query_embeddings=q_vec.tolist(),
        n_results=1
    )
    best = results["documents"][0][0]
    answer = best.split("：")[-1]
    print(" 答案：" + answer)
    print("-" * 50)
# ===================== 运行 =====================
if __name__ == "__main__":
    print("=== 本地智能 RAG 系统（Chroma版）===")
    while True:
        q = input("\n请输入问题（q退出）：")
        if q.lower() == "q":
            break
        rag(q)

=== 本地智能 RAG 系统（Chroma版）===
请输入问题（q退出）：AI是什么？
 问题：AI是什么？
 答案：人工智能（AI）是一门使机器模拟人类智能的技术。
--------------------------------------------------