准备环境

首先，你需要一台安装了 Python（一种编程语言）的电脑。如果你还没有Python，可以去 python.org 下载并安装，版本建议3.8或更高。安装时记得勾选“Add Python to PATH”，这样在命令行里就能直接使用Python了。

接下来，打开你的命令行工具（Windows上是CMD或PowerShell，Mac/Linux上是终端）。输入以下命令确认Python已装好：

• python --version（如果显示版本号，说明成功）
• pip --version（pip是Python的包管理器，用来安装第三方库）

安装ChromaDB

ChromaDB 是一个开源的向量数据库，专门用来存储和查询“向量”（可以理解为数据的数学表示）。安装它很简单，在命令行里输入：

1. pip install chromadb

等待安装完成。如果遇到网络慢，可以尝试使用国内镜像源，比如：pip install chromadb -i https://pypi.tuna.tsinghua.edu.cn/simple。常见坑：如果提示“pip不是内部命令”，说明Python没加到PATH，重新安装Python并勾选“Add Python to PATH”即可。

第一次跑通：创建你的第一个向量数据库

安装完成后，我们来写一个简单的Python脚本，验证ChromaDB能否正常工作。新建一个文本文件，命名为 test_chroma.py，用记事本或任何代码编辑器打开，输入以下内容：

import chromadb
from chromadb.config import Settings

# 创建客户端，使用默认的临时数据库
client = chromadb.Client(Settings(
    chroma_db_impl="duckdb+parquet",
    persist_directory="./my_chroma_db"  # 数据库文件保存位置
))

# 创建一个集合（类似数据库中的表）
collection = client.create_collection(name="my_first_collection")

# 添加一些文本数据，ChromaDB会自动将文本转换为向量
collection.add(
    documents=["这是第一个文档", "这是第二个文档", "机器学习很有趣"],
    ids=["doc1", "doc2", "doc3"]
)

# 查询与“人工智能”最相似的文档
results = collection.query(
    query_texts=["人工智能"],
    n_results=2  # 返回最相近的2个
)

print(results)

保存文件后，在命令行中运行：python test_chroma.py。如果看到类似下面这样的输出，说明你成功了：

{'ids': [['doc3', 'doc1']], 'distances': [[...]], 'metadatas': [[None, None]], 'documents': [['机器学习很有趣', '这是第一个文档']]}

它返回了与“人工智能”最相关的两个文档：“机器学习很有趣”和“这是第一个文档”。恭喜！你已经跑通了第一个向量数据库应用。

下一步可以做什么

现在你已经入门了，可以尝试：

• 使用不同的文本，观察查询结果的变化。
• 学习 元数据过滤：给文档添加标签（比如类别），然后只搜索特定类别的文档。
• 了解 RAG（检索增强生成）：结合大语言模型（如ChatGPT），让模型基于你数据库中的信息回答问题。

更多内容可以查阅ChromaDB官方文档。记住，动手实践是最好的学习方式！