Chroma

开源 AI 检索基础设施（Apache 2.0）：存文档/向量与元数据，做稠密/稀疏/全文检索；可本地嵌入式或 Chroma Cloud。

它是做什么的

Chroma 官方定位为 AI 的开源数据/检索基础设施：内置检索所需能力——存 embedding 与元数据，做稠密与稀疏向量搜索、元数据过滤，以及全文/正则检索，并支持文本与多模态等检索场景。文档强调可用任意 embedding 模型（OpenAI、Cohere、Hugging Face、sentence-transformers 等）。部署上可 SDK 本地/自托管，或使用 Chroma Cloud 无服务器托管；企业向还有 BYOC 等选项（以官网为准）。

开源定位清晰：Apache 2.0，适合 RAG、Agent 记忆、代码检索等原型到生产路径。与「仅算法库」不同，Chroma 提供集合、查询 API 与云服务；与重型分布式向量库相比，入门路径更短（pip install chromadb / npm install chromadb）。

要点

• 开源：Apache 2.0；可完全自托管。
• 部署形态：嵌入式/本地进程与自托管，以及托管 Cloud；按阶段选。
• 检索能力：向量（稠密/稀疏/混合）、全文与正则、元数据过滤；面向 RAG 与 AgentSearch。
• 生态：Python / JS / Rust 等客户端；常与 LangChain、自建 RAG 联用。
• 典型场景：本地 RAG 原型、应用内检索、再迁 Cloud/集群。

适合谁

• 想尽快跑通 RAG / Agent 检索，不想先上重型集群
• 需要开源可自托管，并保留日后上 Cloud 的选项
• 同时要向量与关键词/过滤，而不是只做 ANN

官方入口

• 官网
• 文档 Introduction
• GitHub

建议怎么用

本地 pip install chromadb 建 collection，写入一小批文档 embedding 后跑相似度查询，再接到应用。过滤与混合检索按文档打开。数据量与 SLA 上来后评估 Cloud 或生产部署指南。若只要 ANN 算法嵌入自己的服务，看 FAISS；若要十亿级分布式，看 Milvus / Qdrant。