ChromaDB: 如何使用向量数据库避免教学错误
问题：教授概念前提前使用 我有一门包含47节课的编程课程。每节课都有笔记（用来解释概念）以及实验室任务（供学员练习）。然而，我有一个问题：有时我会在实验中使用尚未在笔记中解释过的概念。 “好吧，在这个练习中使用 map 来转换列表。” 问题是什么？直到三节课后，我才开始解释 map 的含义。 这种问题比你想象中更常见。因为我对教学内容非常熟悉，经常跳跃思路，可能在无意间假设学生已经理解了一些我还没有实际讲到的概念。结果导致学生感到非常困惑和沮丧，他们认为自己不够聪明，但真正需要改进的是老师的教学大纲。 手动解决方案是检查每个实验室任务，列出所使用的概念，并验证这些概念是否已被教学过。然而，我的课程有47节课，每节课有多个Notebooks。手动搞定显然不是办法。 解决方案：使用 ChromaDB 实现语义搜索 解决方案其实很简单： 从每个 Notebook 中提取概念（包括教学和使用的概念） 将这些概念存储到一个能够处理“意义”、不仅是文本的数据库中 对实验室任务中使用的每个概念，验证其是否已在之前的笔记中介绍过 这个“处理意义”是关键。如果在笔记中我提到了“高阶函数”，而在实验室任务中使用了“higher-order function”，普通的 grep 是无法匹配到的。但从语义上来说，它们是相同的。 这就是 ChromaDB 派上用场的地方：这是一种将文本转化为嵌入向量的向量数据库，并支持基于相似度的搜索。简单来说，你可以将文本存储进去，然后问它“有没有类似这个的东西？”它会返回最相似的内容。 五分钟了解 ChromaDB ChromaDB 就像是用于嵌入向量的 SQLite。一个单独的文件（或文件夹），无需服务器部署，也不需要复杂的配置。安装后即可直接使用。 pip install chromadb # 如果你使用 uv： uv add chromadb 基础概念 在普通的关系型数据库中，你存储的是行和列。而在 ChromaDB 中，你存储的是带有 嵌入向量 的 文档： import chromadb # 创建客户端（支持磁盘持久化） client = chromadb.PersistentClient(path="./mi_db") # 创建“集合”（类似于表） collection = client.get_or_create_collection( name="conceptos", metadata={"hnsw:space": "cosine"} # 使用余弦距离 ) # 存储文档 collection.add( ids=["c1", "c2", "c3"], documents=["纯函数", "for 循环", "递归"], metadatas=[ {"clase": "class_010", "tipo": "notes"}, {"clase": "class_015", "tipo": "notes"}, {"clase": "class_020", "tipo": "notes"} ] ) 就是这样。ChromaDB 会自动： ...