Chroma 阅读器¶
如果您在colab上打开这个笔记本,您可能需要安装LlamaIndex 🦙。
In [ ]:
Copied!
%pip install llama-index-readers-chroma
%pip install llama-index-readers-chroma
In [ ]:
Copied!
!pip install llama-index
!pip install llama-index
In [ ]:
Copied!
import logging
import sys
logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))
import logging
import sys
logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))
In [ ]:
Copied!
from llama_index.readers.chroma import ChromaReader
from llama_index.readers.chroma import ChromaReader
In [ ]:
Copied!
# Chroma读取器从持久化的Chroma集合中加载数据。
# 这需要一个集合名称和一个持久化目录。
reader = ChromaReader(
collection_name="chroma_collection",
persist_directory="examples/data_connectors/chroma_collection",
)
# Chroma读取器从持久化的Chroma集合中加载数据。
# 这需要一个集合名称和一个持久化目录。
reader = ChromaReader(
collection_name="chroma_collection",
persist_directory="examples/data_connectors/chroma_collection",
)
In [ ]:
Copied!
# 查询向量是您查询的嵌入表示。
# 示例查询向量:
# query_vector=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]
query_vector = [n1, n2, n3, ...]
# 查询向量是您查询的嵌入表示。
# 示例查询向量:
# query_vector=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]
query_vector = [n1, n2, n3, ...]
In [ ]:
Copied!
# 注意:必需参数为collection_name, query_vector。
# 查看Python客户端:https://github.com/chroma-core/chroma
# 获取更多细节。
documents = reader.load_data(
collection_name="demo", query_vector=query_vector, limit=5
)
# 注意:必需参数为collection_name, query_vector。
# 查看Python客户端:https://github.com/chroma-core/chroma
# 获取更多细节。
documents = reader.load_data(
collection_name="demo", query_vector=query_vector, limit=5
)
创建索引¶
In [ ]:
Copied!
from llama_index.core import SummaryIndex
index = SummaryIndex.from_documents(documents)
from llama_index.core import SummaryIndex
index = SummaryIndex.from_documents(documents)
In [ ]:
Copied!
# 将日志记录级别设置为DEBUG,以获得更详细的输出
query_engine = index.as_query_engine()
response = query_engine.query("<query_text>")
# 将日志记录级别设置为DEBUG,以获得更详细的输出
query_engine = index.as_query_engine()
response = query_engine.query("")
In [ ]:
Copied!
display(Markdown(f"<b>{response}</b>"))
display(Markdown(f"{response}"))