Download chroma go - chroma go download de código -fonte

chroma go

Outro código-fonte

v0.1.4

Baixar

Chroma Go

Um cliente simples de banco de dados do Chroma Vector escrito em Go

Funciona com a versão Chroma: v0.4.3 - v0.5.x

Convidamos os usuários a visitar o site Docs para a biblioteca para obter informações mais detalhadas: Chroma Go Docs

Paridade de apresentação com API Chromadb

✅ Crie inquilino
✅ Obtenha inquilino
✅ Crie banco de dados
✅ Obtenha banco de dados
✅ Redefinir
✅ batimento cardíaco
✅ Coleções de lista
Count Coleções
✅ Obtenha versão
✅ Criar coleção
✅ Coleção de exclusão
✅ Coleção Adicionar
✅ Coleção Get (parcial sem parâmetros adicionais)
✅ Contagem de coleções
✅ Consulta de coleção
✅ Coleção Modificar incorporação
✅ Atualização da coleção
✅ Collection UpSert
✅ Coleção Excluir - Excluir documentos na coleção
✅ Autenticação (BASIC, TOKEN com cabeçalho de autorização, token com cabeçalho X-Chroma-Token)
✅ PKI privado e suporte de certificado autoassinado

Incorporar a API e os modelos suportam

✅ Suporte a incorporação padrão-Como 0.2.0 +, também suportamos o modelo padrão all-MiniLM-L6-v2 em execução no OnNX RunTime (ORT).
✅ OpeniAI Incorporando suporte
✅ Coere (incluindo suporte a vários idiomas)
✅ Transformadores de frases (API de inferência Huggingface e servidor local Hfei)
✅ Suporte de incorporação do Google Gemini
Função de incorporação personalizada
✅ Huggingface Incorporando suporte ao servidor de inferência
✅ Ollama incorporando suporte
✅ CloudFlare Workers IA Incorporando suporte
✅ Juntos a IA incorporando suporte
✅ Voyage AI Incorporando suporte
✅ Mistral API API Incorporando suporte
✅ Nomic IA Incorporando suporte
✅ Jina AI Incorporando suporte

Funções de reranquilha

A partir da versão 0.2.0 o Chroma Go Client também suporta funções de reranização. Os seguintes são suportados:

✅ Coere
Jina Jina AI
✅ Hugggingface Incorporando o Rerranker do servidor de inferência

Instalação

Importante

Existem muitas novas alterações que antecederam a v0.2.0 , conforme documentado abaixo. Se você quiser usá -los, instale a versão mais recente do 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

Certifique -se de ter uma instância em execução de Chroma em execução. Recomendamos uma das duas opções seguintes:

Documentação oficial
Se você é fã de Kubernetes, pode usar o gráfico de comando (Nota: você precisará Docker , minikube e kubectl instalados)

A configuração (nativa em nuvem):

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 excluir o cluster Minikube: minikube delete --profile chromago

Começando

Considere o seguinte exemplo onde:

Nós criamos uma nova coleção
Adicione documentos usando a função de incorporação padrão
Consulte a coleção usando a mesma função de incorporação

 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
}