Chroma
Chroma是一款开源向量数据库，专为AI应用中的嵌入向量存储与语义检索而设计。它支持以Python/JavaScript库形式在内存中运行，也支持持久化存储和客户端-服务端部署模式。Chroma常与大语言模型（LLM）结合使用，用于构建检索增强生成（RAG）等应用，提供向量相似度搜索、元数据过滤及与主流AI框架的集成能力。
核心事实
时间轴 (近 90 天)
Chroma可用于存储嵌入，sentence-transformers或Cohere的重排序器可用于重排序，且这些工具均免费。
知识库构建使用文本分割器切块，调用阿里百炼的Text Embedding V3模型完成向量化，存入Chroma数据库。
向量库（如FAISS、Milvus、Chroma）负责存储和高效检索向量。
Chroma轻量易用，常与LangChain默认集成。
实践中常使用嵌入模型（如text-embedding系列）和向量库（如FAISS、Chroma）搭建检索链路，并需关注分块策略、召回数量与重排序等调优环节。
DeepLearning.AI与Chroma合作推出了Context Engineering课程。
RAG Sync Monitor 生成的 upsert/delete 操作可直接应用于 Pinecone、Qdrant、Chroma、pgvector 等向量数据库。
据Chroma的研究报告，配置得当的递归切分在其评测中表现具有竞争力。
使用封装框架可以在不重构客户端契约和中间件逻辑的前提下切换向量后端（Qdrant、Chroma、PGVector）或模型提供商（Mistral、Claude、OpenAI），这种灵活性在原型阶段尤其宝贵。
Chroma在2025年的研究测试了18个前沿模型（包括GPT-4.1、Claude Opus 4和Gemini 2.5），发现准确率随输入长度增长而非均匀下降，即使一个干扰段落也会相对更干净的基线明显损害性能。
还有 20 条时间轴事件
全部知识事实 (20)
RAG（检索增强生成）技术架构将文档切片、向量化、存入向量数据库，查询时先检索相关片段再交给模型生成回答
90%已验证RAG工作流程分离线和在线两阶段：离线将文档切分转化为向量存入向量数据库，在线将问题转化为向量通过ANN算法检索最相似文本片段拼接进上下文
80%已验证向量数据库如FAISS、Chroma、Weaviate通过将文本编码为高维向量建立索引，能毫秒级完成语义相似度检索
80%已验证RAG通过将私有文档切分为文本块、转化为向量表示并存储在向量数据库中，检索相关内容注入Prompt来解决大模型知识截止日期的局限性
80%已验证Chroma适合轻量级原型开发和本地实验，Milvus和Pinecone面向生产级大规模场景，支持分布式部署和亿级向量的高效检索
80%已验证向量数据库（如ChromaDB、Milvus、Pinecone）采用HNSW、IVF等索引算法，能在百万甚至亿级向量中实现毫秒级检索
80%已验证常见的向量数据库包括ChromaDB、Milvus、Pinecone、Weaviate，它们针对高维向量的近似最近邻（ANN）搜索进行了专门优化
80%已验证Milvus、Pinecone、Chroma是用于存储和检索文本向量的向量数据库，是RAG架构的核心组件
80%已验证长期记忆通常借助向量数据库（如Chroma、Pinecone、Weaviate、Milvus等）来实现语义检索
80%已验证大语言模型在长时间对话中会因上下文窗口限制而丢失早期信息
80%已验证RAG实现中文本通过嵌入模型转化为高维向量，存储在Pinecone、Weaviate、Milvus等向量数据库中，查询时通过余弦相似度找到最接近的片段
75%已验证解决AI叙事长期记忆问题的主流方案包括向量数据库存储关键剧情节点、RAG技术动态召回记忆片段以及专门的记忆管理模块
75%已验证典型的RAG流程包括文档切片、向量化嵌入、存入向量数据库、语义检索、上下文拼接和最终生成六个步骤
75%已验证主流向量数据库包括Faiss、Milvus、Qdrant、Weaviate，能在毫秒级完成百万级向量的近似最近邻（ANN）搜索
75%已验证ChromaDB是一款开源的向量数据库，支持余弦相似度、欧氏距离等多种相似度计算方式，并提供持久化存储和元数据过滤功能
70%已验证Chroma、Pinecone是用于存储向量化数据的向量数据库
65%已验证RAG的工程难点集中于Chunk切分策略、Embedding模型选择、检索精度调优（稠密+稀疏混合检索及Rerank重排序）以及多模态内容解析
65%已验证RAG索引阶段将文档切片并通过Embedding模型转换为向量，存入向量数据库如Faiss、Pinecone、Weaviate
65%已验证业界通常采用RAG架构解决AI伴侣长期记忆问题，将历史对话以向量形式存储在本地数据库并动态检索注入提示词
65%已验证向量数据库（如Milvus、Chroma、Weaviate）使用近似最近邻算法找到意思相近而非字面相同的内容
65%