Descargar chroma go - Descargar el código fuente de chroma go

chroma go

Otro código fuente

v0.1.4

Descargar

Chroma Go

Un cliente simple de la base de datos de Chroma Vector escrito en GO

Funciona con la versión de Chroma: V0.4.3 - V0.5.x

Invitamos a los usuarios a visitar el sitio de documentos para la biblioteca para obtener información más profunda: Chroma Go Docs

Paridad de características con la API de ChromAdB

✅ Crear inquilino
✅ Obtén al inquilino
✅ Crear base de datos
✅ Obtener una base de datos
✅ Restablecer
✅ Heartbeat
✅ Listas de colecciones
✅ COLLECCIONES DEL CONTAJE
✅ Obtener versión
✅ Crear colección
✅ Colección de eliminación
✅ Collection Agregar
✅ COLECCIÓN Get (parcial sin parámetros adicionales)
✅ Recuento de colección
✅ Consulta de colección
✅ colección modificar incrustaciones
✅ Actualización de la colección
✅ COLECCIÓN UPSERT
✅ Collection Delete - Eliminar documentos en la colección
✅ Autenticación (Básico, Token con encabezado de autorización, Token con encabezado X-Chroma-Token)
✅ Soporte privado de PKI y certificado autofirmado

Incrustación de API y modelos Soporte

✅ Soporte de incrustación predeterminado: desde 0.2.0 +, también admitimos el modelo predeterminado all-MiniLM-L6-v2 que se ejecuta en ONNX Runtime (ORT).
✅ Soporte de incrustación de OpenAI
✅ Cohere (incluido el soporte de varios idiomas)
✅ Transformadores de oraciones (API de inferencia de Facefactor y servidor local HFEI)
✅ Soporte de incrustación de Google Géminis
Función de incrustación personalizada
✅ Huggingface Incorporación del soporte del servidor de inferencia
✅ Soporte de incrustación de Ollama
✅ Cloudflare Workers AI Incorporación de apoyo
✅ Juntos ai incrustando el soporte
✅ Voyage AI Incorporación de soporte
✅ Soporte de incrustación de API de AI Mistral
✅ Soporte de incrustación de IA nomic
✅ Jina Ai Incorporación de soporte

Funciones de rerancia

De la versión 0.2.0 el cliente Chroma GO también admite funciones de rehabilitación. Los siguientes son compatibles:

✅ Cohere
✅ Jina Ai
✅ Huggingface Incorporación del servidor de inferencia Reranker

Instalación

Importante

Hay muchos cambios nuevos que conducen a v0.2.0 , como se documenta a continuación. Si desea usarlos, instale la última versión del cliente.

go get github.com/amikos-tech/chroma-go@main

go get github.com/amikos-tech/chroma-go

Importar:

 import (
chroma "github.com/amikos-tech/chroma-go"
)

Uso

Asegúrese de tener una instancia en ejecución de Chroma Running. Recomendamos una de las dos opciones siguientes:

Documentación oficial
Si eres fanático de Kubernetes, puedes usar la tabla de timón (nota: necesitarás Docker , minikube y kubectl instalados)

La configuración (nube-nativa):

minikube start --profile chromago
minikube profile chromago
helm repo add chroma https://amikos-tech.github.io/chromadb-chart/
helm repo update
helm install chroma chroma/chromadb --set chromadb.allowReset=true,chromadb.apiVersion=0.4.5

| Nota: para eliminar el clúster de minikube: minikube delete --profile chromago

Empezando

Considere el siguiente ejemplo donde:

Creamos una nueva colección
Agregar documentos utilizando la función de incrustación predeterminada
Consulte la colección utilizando la misma función de incrustación

 package main

import (
	"context"
	"fmt"
	"log"
	"os"

	chroma "github.com/amikos-tech/chroma-go"
	"github.com/amikos-tech/chroma-go/collection"
	openai "github.com/amikos-tech/chroma-go/pkg/embeddings/openai"
	"github.com/amikos-tech/chroma-go/types"
)

func main () {
	// Create a new Chroma client
	client , err := chroma . NewClient ( chroma . WithBasePath ( "http://localhost:8000" ))
	if err != nil {
        log . Fatalf ( "Error creating client: %s n " , err )
		return
    }
	// Close the client to release any resources such as local embedding functions
	defer func () {
		err = client . Close ()
		if err != nil {
			log . Fatalf ( "Error closing client: %s n " , err )
        }
    }()
	

	// Create a new collection with options. We don't provide an embedding function here, so the default embedding function will be used
	newCollection , err := client . NewCollection (
		context . TODO (),
        "test-collection" ,
		collection . WithMetadata ( "key1" , "value1" ),
		collection . WithHNSWDistanceFunction ( types . L2 ),
	)
	if err != nil {
		log . Fatalf ( "Error creating collection: %s n " , err )
	}

	// Create a new record set with to hold the records to insert
	rs , err := types . NewRecordSet (
		types . WithEmbeddingFunction ( newCollection . EmbeddingFunction ), // we pass the embedding function from the collection
		types . WithIDGenerator ( types . NewULIDGenerator ()),
	)
	if err != nil {
		log . Fatalf ( "Error creating record set: %s n " , err )
	}
	// Add a few records to the record set
	rs . WithRecord ( types . WithDocument ( "My name is John. And I have two dogs." ), types . WithMetadata ( "key1" , "value1" ))
	rs . WithRecord ( types . WithDocument ( "My name is Jane. I am a data scientist." ), types . WithMetadata ( "key2" , "value2" ))

	// Build and validate the record set (this will create embeddings if not already present)
	_ , err = rs . BuildAndValidate ( context . TODO ())
	if err != nil {
		log . Fatalf ( "Error validating record set: %s n " , err )
	}

	// Add the records to the collection
	_ , err = newCollection . AddRecords ( context . Background (), rs )
	if err != nil {
		log . Fatalf ( "Error adding documents: %s n " , err )
	}

	// Count the number of documents in the collection
	countDocs , qrerr := newCollection . Count ( context . TODO ())
	if qrerr != nil {
		log . Fatalf ( "Error counting documents: %s n " , qrerr )
	}

	// Query the collection
	fmt . Printf ( "countDocs: %v n " , countDocs ) //this should result in 2
	qr , qrerr := newCollection . Query ( context . TODO (), [] string { "I love dogs" }, 5 , nil , nil , nil )
	if qrerr != nil {
		log . Fatalf ( "Error querying documents: %s n " , qrerr )
	}
	fmt . Printf ( "qr: %v n " , qr . Documents [ 0 ][ 0 ]) //this should result in the document about dogs
}