为什么不呢？

在第10课里我们Yi经尝试了通过 ollama 的api把一段文本转换为。

ChromaDB 的Neng力，并不是简单的向量存储和查询，准确来说关于数据，它内置了两种强力引擎：

import chromadb
import ollama
class OllamaEmbeddingFunction:
    def __init__:
        self.model_name = model_name
    def __call__:
        # 自动调用本地 Ollama 计算句向量
        response = ollama.embed
        return response
    def name:
        return self.model_name
def main:
    client = chromadb.PersistentClient
    # 获取或创建集合
    collection = client.get_or_create_collection(
        name=COLLECTION_NAME,
        embedding_function=OllamaEmbeddingFunction
    )
    collection.add(
        documents=docs_texts,
        metadatas=docs_metadatas,
        ids=docs_ids
    )

你可Neng注意到了上面我们传入了一个 docs_ids，这是什么？为什么要有这个东西？

灾难级的“重复存入”：Ru果你明天不小心把这个 Python 脚本又跑了一遍，自动生成 ID 会导致数据库里出现两份完全一样的文本和向量。搜的时候，前两个结果可Neng是一模一样的话。

当我们拆分数据后进行插入时实际上Zuo了两次插入：

原因hen残酷，Ru果数据库帮你自动生成了 ID，会导致两个致命问题：

但它也有个非常容易踩坑的点：它采用 “写入时推断 ”。

你只需要 pip install chromadb。然后在代码里写一句 chromadb.PersistentClient。它就会在你的项目目录下建一个普通文件夹，把所有数据存在里面。没有服务进程，不需要配置端口，随时打包带走。

利用 Metadata 中埋好的 source 标签，在入库前，一键清空该文档在库里的所有旧数据，然后重新完整插入。

这样，当你重新训练后 入库时为了防止重复落库或者数据污染，Zui稳妥和简单的Zuo法是：

但实际上我们并不是按照这个思路编写代码的，因为我们这次要用到的向量数据库 chromadb，它天然就是为这些场景而生的，所以我们的实际编码思路应该是：

第二次：用 bge-small 算出来的 维向量数组，没有存在 SQLite 里而是被塞进了一个用 C++ 写的底层图索引库——hnswlib。

等到查询时通过分层方式，先查询SQLite再查询hnswlib，NengZuo到极致提速。

比如第一句话多说了几个字，导致第一章后续所有切片dou跟着偏移变化了。

无法geng新和删除：Ru果你的文档改了一个错别字，你想geng新向量库。因为你不知道 ChromaDB 当初给这段话分配了什么 ID，你就没法精准替换它。

RAG中的一些小问题

说实话，有时候咱就是说不想用那些复杂的配置，简单就好。

不需要docker，不需要端口，不需要关心一大堆环境问题，就是这么简单优雅。

按照常规编程思路来说我们的思路通常是这样的：

docs_ids.append))

当你的原始文档geng新了切分后的块会发生剧烈的“雪崩移位”。

为什么百度不收录我的文章呢？

哈哈，这个问题啊，其实有hen多原因的，你懂的，有时候可Neng是因为内容不够优质，或者是关键词优化没Zuo好。

比如说你的内容Ru果太单薄，或者geng新频率太低，dou可Neng会影响收录的。

所以咱得好好优化一下多输出高质量内容，并且保持一定的geng新频率，这样应该就会好hen多吧。

所以处于工程上的考量，ChromaDB 把 ID 的控制权交给了开发者，开发者必须在insert时主动传入 ids。

尝试执行以下命令：

collection.delete
# 执行写入 
collection.add(
    documents=docs_texts,
    metadatas=docs_metadatas,
    ids=docs_ids
)

你Ke以在 demo 工程获取到生成向量库的代码。

Ru果你对id稳定有比较大的诉求，那就选方案2，Ru果没有，只是用它Zuodemo或者Zuo文档检索，Ke以先用方案1，简单高效。

它不需要你提前像写 SQL 那样定义表结构、定义 维度、定义余弦相似度算法。你往里扔什么模型算出来的向量，它就自动锁死什么格式。

思路上完全正确！

其核心代码如下所示：

目前Zui主流的Zuo法有两种：

没错，这节课的目标是：利用上面的工具，生成句向量，并且存起来。

市面上有非常多的向量数据库，比如老牌的 Milvus、云端的 Pinecone、或者 Qdrant。但我们选择了 ChromaDB，原因只有两个字：优雅。

在使用 chromadb 之前，我们需要了解它一个相比于传统关系型数据库差异Zui大的点：

敬请期待！

本节课我们完成了向量化和入库。

下节课，我们将完成RAGZui后的拼图：查询！

回顾前面的内容吧！咱们一步步来的，对吧？！

好，我们先回顾一下前两节课的核心内容：

第一次：存入一段带有 Metadata 的数据以及它的原始文本时这部分数据是被存放在本地的 SQLite 关系型数据库里的。

 python .\lesson_09\split_and_save.py 

即可kan到切分、向量化、入库成功。

当你发起一次带条件的查询时SQLite 先干活，挑出符合 Metadata 条件的文档 ID 集合；然后把这个集合扔给 hnswlib，说：“兄弟，别全库搜了只在这几个 ID 对应的图节点里帮我找出离问题向量Zui近的 个！”这就保证了既有 % 的条件准确率，又有毫秒级的向量搜索速度。 嗯，对，就这样！hen简单吧~哈，不信你试试kan哈~