1
import chromadb
2

3
# 创建客户端（内存模式，学习阶段用）
4
client = chromadb.Client()
5

6
# 创建 Collection，指定用余弦相似度
7
collection = client.create_collection(
8
    name="my_knowledge",
9
    metadata={"hnsw:space": "cosine"}
10
)

1
collection.add(
2
    ids=["doc1", "doc2", "doc3"],
3
    documents=["苹果...", "香蕉...", "Python..."],
4
    embeddings=[[0.9, ...], [0.85, ...], [0.1, ...]],
5
    metadatas=[{"cat": "水果"}, {"cat": "水果"}, {"cat": "编程"}]
6
)
7
#        下标0 ─────┬────── 下标1 ─────┬────── 下标2
8
#                 "苹果"绑定向量[0.9,...]   "Python"绑定向量[0.1,...]

1
embeddings = [
2
    [0.9, 0.8, 0.1, 0.2],    # 苹果
3
    [0.85, 0.75, 0.15, 0.1], # 香蕉
4
    [0.1, 0.2, 0.9, 0.8]     # Python
5
]

1
vec = get_embedding("苹果是一种水果...")
2
# 返回：[0.23, -0.45, 0.89, ..., 0.12]  # 4096维

1
查询向量（人为设计）
2
    ↓
3
[0.88, 0.82, 0.12, 0.15]  ← 我规定：前两大 = 水果方向
4
    ↓
5
ChromaDB 计算余弦相似度
6
    ↓
7
返回最相似的 documents 和 metadatas

1
用户输入文字："我喜欢吃甜的水果"
2
    ↓
3
get_embedding("我喜欢吃甜的水果")
4
    ↓
5
神经网络把文字 → 向量 [0.23, -0.45, ..., 0.12]
6
    ↓
7
ChromaDB 计算余弦相似度
8
    ↓
9
返回最相似的 documents 和 metadatas

1
chroma_results = collection.query(
2
    query_embeddings=[query_vec],
3
    n_results=3,
4
    include=["metadatas", "distances"]
5
)

1
import chromadb
2

3
client = chromadb.Client()
4
collection = client.create_collection(name="my_knowledge")
5

6
# 人为设计的简化向量（4维）
7
documents = ["苹果...", "香蕉...", "Python..."]
8
embeddings = [
9
    [0.9, 0.8, 0.1, 0.2],
10
    [0.85, 0.75, 0.15, 0.1],
11
    [0.1, 0.2, 0.9, 0.8]
12
]
13

14
collection.add(
15
    ids=["doc1", "doc2", "doc3"],
16
    documents=documents,
17
    embeddings=embeddings
18
)
19

20
# 查询向量也是人为设计的
21
query = [0.88, 0.82, 0.12, 0.15]
22
results = collection.query(
23
    query_embeddings=[query],
24
    n_results=2
25
)

1
import chromadb
2
from openai import OpenAI
3
from dotenv import load_dotenv   # 读取 .env 文件，把键值对注入 os.environ
4
import os
5

6
load_dotenv()                    # 执行后 os.getenv("MODELSCOPE_API_KEY") 才能拿到值
7
client = OpenAI(
8
    base_url="https://api-inference.modelscope.cn/v1",
9
    api_key=os.getenv("MODELSCOPE_API_KEY")
10
)
11

12
client_db = chromadb.Client()
13
collection = client_db.create_collection(name="fruit_knowledge")
14

15
def get_embedding(text: str) -> list[float]:
16
    response = client.embeddings.create(
17
        model="Qwen/Qwen3-Embedding-8B",
18
        input=text,
19
        encoding_format="float"
20
    )
21
    return response.data[0].embedding
22

23
# 真实 Embedding（4096维）
24
documents = ["苹果...", "香蕉...", "Python..."]
25
embeddings = [get_embedding(doc) for doc in documents]
26

27
collection.add(
28
    ids=["doc1", "doc2", "doc3"],
29
    documents=documents,
30
    embeddings=embeddings
31
)
32

33
# 查询向量从文字生成
34
query_text = "我喜欢吃甜的水果"
35
query_vec = get_embedding(query_text)
36
results = collection.query(
37
    query_embeddings=[query_vec],
38
    n_results=2
39
)

1
🔍 水果查询 → 苹果(0.9988)、香蕉(0.9985)
2
🔍 编程查询 → Python(0.9921)、苹果(0.3133)

1
查询: "我喜欢吃甜的水果"
2
排名1: 苹果是一种水果，味道酸甜可口 → 相似度 0.6902
3
排名2: 香蕉是黄色的热带水果 → 相似度 0.5381

1
text = "苹果是一种水果"
2
vec = get_embedding(text)
3
# 输出：
4
#   文本: '苹果是一种水果'
5
#   向量维度: 4096
6
#   前10个数字: [0.0236, 0.0002, 0.0191, -0.0072, 0.003, -0.0117, ...]
7
#   范围: -0.13 ~ 0.07，均值接近0

1
"苹果很好吃" vs "我喜欢吃苹果"      → 0.8537  🔥🔥🔥  都关于苹果
2
"苹果很好吃" vs "香蕉也很好吃"      → 0.7434  🔥🔥    不同水果，但同类
3
"苹果很好吃" vs "Python 编程语言"   → 0.3447  🔥      完全不相关

1
contexts = [
2
    "Python 是一种编程语言",    # 编程含义
3
    "Python 是一条大蟒蛇",      # 动物含义
4
    "我用 Python 写了一个网页", # 编程上下文
5
    "动物园里有一条 python",    # 动物上下文
6
]

1
编程Python vs 蛇Python     → 0.7842  有区分但不太明显（模板干扰）
2
编程Python vs 编码网页     → 0.6282  都是编程用法
3
蛇Python  vs 动物园的蛇    → 0.6805  都是蛇的用法

1
'苹果'  vs 'apple'        → 0.7603  ███████████████
2
'香蕉'  vs 'banana'       → 0.8566  █████████████████
3
'编程'  vs 'programming'  → 0.7939  ███████████████
4
'苹果'  vs 'banana'       → 0.5904  ███████████
5
'编程'  vs 'apple'        → 0.4626  █████████