# ChromaDB: Embeddings and Vector Databases in Python

- 发布方：Real Python；作者：Harrison Hoffman
- 形式：文章 · en
- 原始资源：[https://realpython.com/chromadb-vector-database/](<https://realpython.com/chromadb-vector-database/>)
- 本站页面：[https://oplearnx.com/resources/res\_62ap6bethcxd](<https://oplearnx.com/resources/res_62ap6bethcxd>)
- 学习主题：人工智能 / 检索增强 RAG；人工智能 / 检索增强 RAG / 知识库与数据准备；人工智能 / 检索增强 RAG / 向量检索与重排
- 内容状态：状态待核验
- 原始发布时间：2026-10-26 22:00
- 本站首次收录：2026-10-27 00:18

## 能学到什么

学会向量与嵌入的基本概念，并能用 Python 和 ChromaDB 建立集合、存入文档、按语义查询与过滤，最后把检索结果作为上下文提供给 LLM。

- 用 NumPy 表示向量，并解释维度、模长、方向、点积与余弦相似度的含义
- 说明嵌入是什么，并用 spaCy 与 SentenceTransformers 在 Python 中生成文本嵌入
- 解释向量数据库与精确匹配检索的区别，以及它在 LLM 应用中的用途
- 用 ChromaDB 创建集合并向其中添加带元数据的文档
- 在 Chroma 中执行语义查询，并按元数据过滤、更新和删除文档
- 搭建一个检索增强生成示例：检索相关评论并作为上下文交给 LLM 回答

## 适合我吗

- 适合：想在 Python 中快速上手向量数据库、为 LLM 应用加检索上下文的进阶学习者。
- 需要留意：没有 Python 基础或高中数学（向量、夹角）概念、希望系统学习深度学习理论的人。

## 前置条件与费用

- 知识前置：网页要求熟悉 Python 基础与高中数学。教程按 ChromaDB 1.5 与 Python 3.12 或更高版本编写。
- 软件、账号与硬件：Python 3.12\+、可创建虚拟环境并安装指定版本的包；示例 LLM 部分需要相应服务的 API 密钥（节选未展示具体服务）。
- 内容费用：免费：节选可直接读到教程正文与代码步骤，未出现付费墙或登录拦截；页面的 “Unlock All Content” 属站点会员入口，不改变本资源费用。
- 实践费用：实践可能产生费用：网页提到要连接 LLM 服务并获取 API 密钥，调用外部 LLM 服务可能产生费用（节选未给出具体价格）。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- Python 3.12\+：运行教程中的全部示例代码
- pip / venv：创建虚拟环境并安装固定版本的依赖包
- [ChromaDB 文档](<https://docs.trychroma.com/>)：查阅集合配置、元数据过滤与 API 参考
- [Kaggle 数据集页面](<https://www.kaggle.com/datasets/ankkur13/edmundsconsumer-car-ratings-and-reviews>)：下载教程使用的 Edmunds 汽车评论文本数据

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「ChromaDB: Embeddings and Vector Databases in Python」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://realpython.com/chromadb-vector-database/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：建议边读边在同一个虚拟环境中复现每个代码块，然后把数据集换成自己领域的文档，搭一个能回答本文档内容的小助手。
课节（官方顺序）：
1. ChromaDB: Embeddings and Vector Databases in Python：https://realpython.com/chromadb-vector-database/

1. 环境
- Python 3.12 或更高版本
- 虚拟环境 venv
- NumPy 2.5.3（文章固定版本）
- spaCy、SentenceTransformers、ChromaDB（按文章安装命令）
- LLM 服务的 API 密钥（存为环境变量）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://realpython.com/chromadb-vector-database/
3. 目录（最外层放在我确认的位置）
chromadb-embeddings-vector-databases-pyt/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-chromadb-embeddings-and-vector-databases/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - python -c "import chromadb, sentence_transformers, numpy; print('ok')"  → 输出 ok，说明依赖安装完成
  - 打开 https://docs.trychroma.com/docs/overview/getting-started  → 能看到 ChromaDB 的入门文档，与教程中的集合、查询概念对应
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「ChromaDB: Embeddings and Vector Databases in Python」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://realpython.com/chromadb-vector-database/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：建议边读边在同一个虚拟环境中复现每个代码块，然后把数据集换成自己领域的文档，搭一个能回答本文档内容的小助手。
课节（官方顺序）：
1. ChromaDB: Embeddings and Vector Databases in Python：https://realpython.com/chromadb-vector-database/

1. 环境
- Python 3.12 或更高版本
- 虚拟环境 venv
- NumPy 2.5.3（文章固定版本）
- spaCy、SentenceTransformers、ChromaDB（按文章安装命令）
- LLM 服务的 API 密钥（存为环境变量）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://realpython.com/chromadb-vector-database/
3. 目录（最外层放在我确认的位置）
chromadb-embeddings-vector-databases-pyt/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-chromadb-embeddings-and-vector-databases/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import chromadb, sentence_transformers, numpy; print('ok')"  → 输出 ok，说明依赖安装完成
  - 打开 https://docs.trychroma.com/docs/overview/getting-started  → 能看到 ChromaDB 的入门文档，与教程中的集合、查询概念对应
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「ChromaDB: Embeddings and Vector Databases in Python」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://realpython.com/chromadb-vector-database/
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：建议边读边在同一个虚拟环境中复现每个代码块，然后把数据集换成自己领域的文档，搭一个能回答本文档内容的小助手。
课节（官方顺序）：
1. ChromaDB: Embeddings and Vector Databases in Python：https://realpython.com/chromadb-vector-database/

1. 环境
- Python 3.12 或更高版本
- 虚拟环境 venv
- NumPy 2.5.3（文章固定版本）
- spaCy、SentenceTransformers、ChromaDB（按文章安装命令）
- LLM 服务的 API 密钥（存为环境变量）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://realpython.com/chromadb-vector-database/
3. 目录（最外层放在我确认的位置）
chromadb-embeddings-vector-databases-pyt/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-chromadb-embeddings-and-vector-databases/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import chromadb, sentence_transformers, numpy; print('ok')"  → 输出 ok，说明依赖安装完成
  - 打开 https://docs.trychroma.com/docs/overview/getting-started  → 能看到 ChromaDB 的入门文档，与教程中的集合、查询概念对应
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「ChromaDB: Embeddings and Vector Databases in Python」。课程目录是 chromadb-embeddings-vector-databases-pyt/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [ChromaDB: Embeddings and Vector Databases in Python](<https://realpython.com/chromadb-vector-database/>)

## 指南参考

- [课程主页](<https://realpython.com/chromadb-vector-database/>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：本地 Python 3.12\+ 与虚拟环境，用于安装 NumPy、spaCy、SentenceTransformers、ChromaDB 等依赖；调用 LLM 服务所需的 API 密钥（网页给出获取密钥的入口，具体服务在节选后部分）；Kaggle 账号，用于下载教程示例使用的汽车评论数据集
- 转载与修改 · 课程页面与材料：未找到明确许可。节选未出现本教程的许可声明，仅说明所涉 ChromaDB 是开源向量数据库 [依据](<https://realpython.com/chromadb-vector-database/>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）