Chroma

RAG と意味検索のための埋め込みデータベースです。

skill の情報


提供元	追加インストール — `hermes skills install official/mlops/chroma` で導入します
パス	`optional-skills/mlops/chroma`
バージョン	`1.0.0`
作者	Orchestra Research
ライセンス	MIT
依存関係	`chromadb`, `sentence-transformers`
対応プラットフォーム	linux, macos, windows
タグ	`RAG`, `Chroma`, `Vector Database`, `Embeddings`, `Semantic Search`, `Open Source`, `Self-Hosted`, `Document Retrieval`, `Metadata Filtering`

参考: SKILL.md 全文

Chroma - Open-Source Embedding Database

記憶を持つ LLM アプリを作るための、AI に寄り添った作りのデータベースです。

Chroma が向いているとき

次のようなときに使います:

RAG（検索して補いながら文章を作る仕組み）のアプリを作る
手元や自前のサーバーでベクトルデータベースを動かしたい
オープンソース（Apache 2.0）で済ませたい
ノートブックで試作したい
文書を意味で検索したい
埋め込みをメタデータと一緒に保存したい

数字で見ると:

GitHub のスター 24,300 以上
フォーク 1,900 以上
v1.3.3（安定版。毎週リリースされています）
Apache 2.0 ライセンス

他を選んだほうがよいとき:

Pinecone: 運用込みのクラウド、自動でのスケール
FAISS: 純粋な類似検索だけでよく、メタデータは不要
Weaviate: 本番向けの、機械学習に寄せたデータベース
Qdrant: Rust 製で性能が高い

すぐ試す

導入

# Python
pip install chromadb

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

基本の使い方（Python）


# Create client
client = chromadb.Client()

# Create collection
collection = client.create_collection(name="my_collection")

# Add documents
collection.add(
    documents=["This is document 1", "This is document 2"],
    metadatas=[{"source": "doc1"}, {"source": "doc2"}],
    ids=["id1", "id2"]
)

# Query
results = collection.query(
    query_texts=["document about topic"],
    n_results=2
)

print(results)

基本の操作

1. コレクションを作る

# Simple collection
collection = client.create_collection("my_docs")

# With custom embedding function
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
)

# Get existing collection
collection = client.get_collection("my_docs")

# Delete collection
client.delete_collection("my_docs")

2. 文書を追加する

# Add with auto-generated IDs
collection.add(
    documents=["Doc 1", "Doc 2", "Doc 3"],
    metadatas=[
        {"source": "web", "category": "tutorial"},
        {"source": "pdf", "page": 5},
        {"source": "api", "timestamp": "2025-01-01"}
    ],
    ids=["id1", "id2", "id3"]
)

# Add with custom embeddings
collection.add(
    embeddings=[[0.1, 0.2, ...], [0.3, 0.4, ...]],
    documents=["Doc 1", "Doc 2"],
    ids=["id1", "id2"]
)

3. 検索する（類似検索）

# Basic query
results = collection.query(
    query_texts=["machine learning tutorial"],
    n_results=5
)

# Query with filters
results = collection.query(
    query_texts=["Python programming"],
    n_results=3,
    where={"source": "web"}
)

# Query with metadata filters
results = collection.query(
    query_texts=["advanced topics"],
    where={
        "$and": [
            {"category": "tutorial"},
            {"difficulty": {"$gte": 3}}
        ]
    }
)

# Access results
print(results["documents"])      # List of matching documents
print(results["metadatas"])      # Metadata for each doc
print(results["distances"])      # Similarity scores
print(results["ids"])            # Document IDs

4. 文書を取り出す

# Get by IDs
docs = collection.get(
    ids=["id1", "id2"]
)

# Get with filters
docs = collection.get(
    where={"category": "tutorial"},
    limit=10
)

# Get all documents
docs = collection.get()

5. 文書を更新する

# Update document content
collection.update(
    ids=["id1"],
    documents=["Updated content"],
    metadatas=[{"source": "updated"}]
)

6. 文書を削除する

# Delete by IDs
collection.delete(ids=["id1", "id2"])

# Delete with filter
collection.delete(
    where={"source": "outdated"}
)

ディスクに残す

# Persist to disk
client = chromadb.PersistentClient(path="./chroma_db")

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

# Data persisted automatically
# Reload later with same path
client = chromadb.PersistentClient(path="./chroma_db")
collection = client.get_collection("my_docs")

埋め込みの作り方

既定（Sentence Transformers）

# Uses sentence-transformers by default
collection = client.create_collection("my_docs")
# Default model: 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
)

自分で用意した埋め込み

from chromadb import Documents, EmbeddingFunction, Embeddings

class MyEmbeddingFunction(EmbeddingFunction):
    def __call__(self, input: Documents) -> Embeddings:
        # Your embedding logic
        return embeddings

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

メタデータで絞り込む

# Exact match
results = collection.query(
    query_texts=["query"],
    where={"category": "tutorial"}
)

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

# Logical operators
results = collection.query(
    query_texts=["query"],
    where={
        "$and": [
            {"category": "tutorial"},
            {"difficulty": {"$lte": 3}}
        ]
    }  # Also: $or
)

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

LangChain と組み合わせる

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

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

# Create Chroma vector store
vectorstore = Chroma.from_documents(
    documents=docs,
    embedding=OpenAIEmbeddings(),
    persist_directory="./chroma_db"
)

# Query
results = vectorstore.similarity_search("machine learning", k=3)

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

LlamaIndex と組み合わせる

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

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

# Create vector store
vector_store = ChromaVectorStore(chroma_collection=collection)
storage_context = StorageContext.from_defaults(vector_store=vector_store)

# Create index
index = VectorStoreIndex.from_documents(
    documents,
    storage_context=storage_context
)

# Query
query_engine = index.as_query_engine()
response = query_engine.query("What is machine learning?")

サーバーとして動かす

# Run Chroma server
# Terminal: chroma run --path ./chroma_db --port 8000

# Connect to server

from chromadb.config import Settings

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

# Use as normal
collection = client.get_or_create_collection("my_docs")

うまくやるこつ

ディスクに残すクライアントを使う - 再起動でデータを失わないように
メタデータを付ける - 絞り込みや追跡ができるようになります
まとめて処理する - 文書は一度に複数追加します
合う埋め込みモデルを選ぶ - 速さと質のつり合いを取ります
絞り込みを使う - 探す範囲を狭めます
ID を重複させない - ぶつからないように
こまめに控えを取る - chroma_db のディレクトリをコピーします
コレクションの大きさを見ておく - 必要なら増強します
埋め込みの作り方を試す - 質を確かめます
本番ではサーバーとして動かす - 複数の利用者に向いています

性能の目安

操作	待ち時間	補足
文書 100 件の追加	約 1〜3 秒	埋め込みの作成を含みます
検索（上位 10 件）	約 50〜200 ミリ秒	コレクションの大きさによります
メタデータでの絞り込み	約 10〜50 ミリ秒	索引が整っていれば高速です

参考先

GitHub: https://github.com/chroma-core/chroma ⭐ 24,300+
Docs: https://docs.trychroma.com
Discord: https://discord.gg/MMeYNTmh3x
バージョン: 1.3.3 以降
ライセンス: Apache 2.0