1为聊天机器人构建长期记忆库
- 1安装Chroma：使用pip install chromadb安装Python库
- 2初始化客户端并创建集合：import chromadb; client = chromadb.Client(); collection = client.create_collection('chat_memory')
- 3将对话历史文本转换为向量并添加：collection.add(ids=['msg1'], embeddings=[embedding], documents=['用户说...'])
- 4查询时使用collection.query(query_embeddings=[query_embedding], n_results=3)获取最相关的历史片段
2实现文档语义搜索功能
- 1将文档（如PDF或网页）分块为小段落
- 2为每个段落生成嵌入向量（可使用OpenAI或HuggingFace模型）
- 3批量添加到Chroma集合：collection.add(ids=chunk_ids, embeddings=chunk_embeddings, documents=chunk_texts)
- 4用户搜索时，将查询文本转为向量并执行相似度查询，返回最匹配的文档片段
3构建RAG（检索增强生成）应用
- 1准备知识库数据，如公司文档或产品手册，并转换为向量存储到Chroma
- 2在生成回答前，先使用用户问题在Chroma中检索相关上下文
- 3将检索到的上下文与用户问题拼接，作为提示词发送给大语言模型（如GPT）
- 4模型结合上下文生成更准确的回答，减少幻觉