一、各组件定义

二、层次关系（自底向上）

编辑

Level 0: 原始文档（Raw Text）
   ↓
Level 1: 文档对象（Document Object）          ← 结构化表示
   ↓
Level 2: 文本向量化（Embedding）             ← 语义数值化
   ↓
Level 3: 向量数据库（Vector DB）             ← 存储（向量 + 文档）
   ↓
Level 4: Chroma 数据库访问对象（VectorStore）← 数据库操作接口
   ↓
Level 5: 检索器（Retriever）                ← 应用层统一检索入口

✅ 特点：每一层依赖下一层，上层对下层透明。例如 Retriever 不关心底层用的是 Chroma 还是 FAISS。

三、协作流程（数据流）

🔁 两个阶段：

• 索引阶段（离线）：文档 → 向量化 → 存入 Chroma。
• 检索阶段（在线）：查询 → 向量化 → 在 Chroma 中找相似项 → 返回原文档。

四、完整代码示例（使用本地模型，无需 OpenAI）

✅ 使用 sentence-transformers/all-MiniLM-L6-v2（免费、轻量、768 维）
✅ 全部本地运行，无网络依赖（除首次下载模型）
✅ 展示所有组件创建与协作

安装依赖

pip install langchain langchain-chroma chromadb sentence-transformers

Python 代码

Python

# -*- coding: utf-8 -*-
from langchain_core.documents import Document
from langchain_chroma import Chroma
from langchain_community.embeddings import HuggingFaceEmbeddings

# ----------------------------
# 1. 原始文档 → Document 对象
# ----------------------------
raw_texts = [
    "机器学习让计算机从数据中自动学习模式，而无需显式编程。",
    "深度学习是机器学习的一个分支，使用深层神经网络处理复杂数据。",
    "自然语言处理使计算机能够理解、分析、生成人类语言。"
]

documents = [
    Document(page_content=text, metadata={"id": i, "topic": "AI"})
    for i, text in enumerate(raw_texts)
]

print("✅ 文档对象已创建：")
for doc in documents:
    print(f"  ID {doc.metadata['id']}: {doc.page_content[:40]}...")

# ----------------------------
# 2. 初始化本地 Embedding 模型
# ----------------------------
embedding_model = HuggingFaceEmbeddings(
    model_name="sentence-transformers/all-MiniLM-L6-v2"
)

# 测试向量化
vec = embedding_model.embed_query("什么是深度学习？")
print(f"\n✅ Embedding 维度: {len(vec)}")  # 应为 384 或 768（此模型为 384）

# ----------------------------
# 3. 创建 Chroma 向量数据库（内存模式）
# ----------------------------
vectorstore = Chroma.from_documents(
    documents=documents,
    embedding=embedding_model,
    collection_name="ai_knowledge"
)

print("\n✅ 向量已存入 Chroma")

# ----------------------------
# 4. 获取 Chroma 访问对象（即 VectorStore）
# ----------------------------
# 此处 vectorstore 就是 Chroma 数据库访问对象
print(f"✅ Chroma 访问对象类型: {type(vectorstore)}")

# ----------------------------
# 5. 创建 Retriever
# ----------------------------
retriever = vectorstore.as_retriever(search_kwargs={"k": 2})

print("\n✅ Retriever 已创建")

# ----------------------------
# 6. 执行检索
# ----------------------------
query = "深度学习和机器学习的关系是什么？"
results = retriever.invoke(query)

print(f"\n🔍 查询: '{query}'")
print("📄 检索结果:")
for i, doc in enumerate(results, 1):
    print(f"  {i}. {doc.page_content}")
    print(f"     [元数据: {doc.metadata}]")

预期输出（部分）

✅ 文档对象已创建：
  ID 0: 机器学习让计算机从数据中自动学习模式...
  ID 1: 深度学习是机器学习的一个分支，使用深...
  ID 2: 自然语言处理使计算机能够理解、分析...

✅ Embedding 维度: 384

✅ 向量已存入 Chroma
✅ Chroma 访问对象类型: <class 'langchain_chroma.vectorstores.Chroma'>

✅ Retriever 已创建

🔍 查询: '深度学习和机器学习的关系是什么？'
📄 检索结果:
  1. 深度学习是机器学习的一个分支，使用深层神经网络处理复杂数据。
     [元数据: {'id': 1, 'topic': 'AI'}]
  2. 机器学习让计算机从数据中自动学习模式，而无需显式编程。
     [元数据: {'id': 0, 'topic': 'AI'}]

五、关键总结

💡 设计优势：通过分层抽象，你可以：

• 换 Embedding 模型 → 只改一行
• 换向量数据库 → 只改初始化方式
• 上层 Retriever 接口完全不变