LangChain 将数据加载到 Chroma 向量数据库

from langchain_community.vectorstores import Chroma
from langchain_ollama import OllamaEmbeddings

datas = [
    "小明喜欢吃苹果",
    "小红喜欢吃香蕉",
    "小明的女朋友是小青",
    "李老师是一个好老师",
    "小李喜欢吃橘子",
    "小王的朋友是大帅哥"
]

embed = OllamaEmbeddings(model="qwen3-embedding:0.6b")
db = Chroma.from_texts(texts=datas, embedding=embed)
res = db.similarity_search("谁是老师")
print(res)

添加元数据 （可选） 如果你想记录每条文本的来源或标签，可以传入 metadatas：

metadatas = [
    {"id": "1", "type": "food"},
    {"id": "2", "type": "food"},
    {"id": "3", "type": "relation"},
    {"id": "4", "type": "person"},
    {"id": "5", "type": "food"},
    {"id": "6", "type": "relation"}
]
db = Chroma.from_texts(texts=datas, embedding=embed, metadatas=metadatas)

增强检索效果

• 可以设置 k=3 返回前3个结果：

  res = db.similarity_search("谁是老师", k=3)

• 或者用 similarity_search_with_score() 查看相似度分数：

  res = db.similarity_search_with_score("谁是老师")

• 模型选择

• qwen3-embedding:0.6b 是轻量级模型，适合本地部署。确保 Ollama 已正确安装并拉取了模型：

  ollama pull qwen3-embedding:0.6

1. Chroma.from_texts

• 用途：直接从原始文本列表创建向量存储。
• 输入 ：
  • texts: 一个字符串列表（List[str]），每个字符串是一段文本。
  • 可选参数 metadatas: 与 texts 对应的元数据列表（List[dict]），每个元素是一个字典。
• 特点 ：

  • 简单直接，适用于只有纯文本的情况。

  • 如果需要附加元数据（如文档来源、页码、时间戳等），需通过 metadatas 参数显式传入。

    from langchain_chroma import Chroma
    from langchain_openai import OpenAIEmbeddings

    texts = ["Hello world", "LangChain is great"]
    metadatas = [{"source": "doc1"}, {"source": "doc2"}]

    vectorstore = Chroma.from_texts(
    texts=texts,
    embedding=OpenAIEmbeddings(),
    metadatas=metadatas
    )

---

2. Chroma.from_documents

• 用途 ：从 LangChain 的 Document 对象列表创建向量存储。
• 输入 ：
  • documents: 一个 List[Document]，每个 Document 包含：
    • .page_content（文本内容）
    • .metadata（元数据字典）
• 特点 ：

  • 更结构化，推荐在使用 LangChain 文档加载器（如 PyPDFLoader, TextLoader 等）后使用。

  • 元数据自动从 Document 对象中提取，无需额外处理。

    from langchain.schema import Document
    from langchain_chroma import Chroma
    from langchain_openai import OpenAIEmbeddings

    docs = [
    Document(page_content="Hello world", metadata={"source": "doc1"}),
    Document(page_content="LangChain is great", metadata={"source": "doc2"})
    ]

    vectorstore = Chroma.from_documents(
    documents=docs,
    embedding=OpenAIEmbeddings()
    )

---

总结对比

特性	from_texts	from_documents
输入类型	List[str]	List[Document]
元数据支持	需通过 metadatas 参数传入	自动从 Document.metadata 提取
适用场景	简单文本，快速原型	使用 LangChain 加载器后的标准流程
是否推荐用于生产	较少（除非数据简单）	推荐（结构清晰，可扩展性强）