Skip to content
🚀 EDDI 6.5.0

19个LLM提供商、可抓取网站并读取文件的知识库,以及沿用兼容代理版本的对话新功能

托管云 立即开始
所有集成
数据与 RAGstoreType: chroma

Chroma

把 Chroma 用作 EDDI 知识库的向量库。当你没有现成的基础设施可复用时,这是阻力最小的选择。

你将获得

  • 基于你自己文档的检索增强回答
  • 6 种向量库之一,通过配置而不是代码来选择
  • 摄取来源:网站抓取和上传文件,支持计划任务和运行历史

在 EDDI 中如何工作

  1. 运行一个 Chroma 服务器,记下它的 URL 和集合名称。
  2. 创建一个 RagConfiguration,设置 storeType: "chroma" 和向量库参数,并指定嵌入提供方。
  3. 用 eddi://ai.labs.rag 工作流步骤把它绑定到代理。
  4. 在 LLM 任务的 knowledgeBases 下按名称选择它,然后摄取文档。

配置

摘自 EDDI 文档。诸如 your-agent-id 之类的占位符需要你自行替换。

RagConfiguration (POST /ragstore/rags)知识库。Chroma 需要一个基础 URL 和一个集合名称。
{
  "name": "product-docs",
  "embeddingProvider": "openai",
  "embeddingParameters": {
    "model": "text-embedding-3-small",
    "apiKey": "${vault:openai-key}"
  },
  "storeType": "chroma",
  "storeParameters": {
    "baseUrl": "http://localhost:8000",
    "collectionName": "product-docs"
  },
  "chunkStrategy": "recursive",
  "chunkSize": 512,
  "chunkOverlap": 64,
  "maxResults": 5,
  "minScore": 0.6
}
workflow step + langchain.json task把它绑定到代理的步骤,以及使用它的任务。漏掉工作流步骤是最常见的错误。
// 1. workflow step: binds the knowledge base to the agent
{ "type": "eddi://ai.labs.rag",
  "extensions": {},
  "config": { "uri": "eddi://ai.labs.rag/ragstore/rags/{ragId}?version=1" } }

// 2. LLM task: selects it by the "name" of the RagConfiguration
{ "tasks": [{
    "actions": ["*"],
    "type": "openai",
    "knowledgeBases": [{ "name": "product-docs", "maxResults": 5, "minScore": 0.7 }],
    "parameters": { "systemMessage": "You are a helpful assistant." }
} ] }

治理

  • 嵌入 API 密钥是保管库引用,因此文档语料和凭据彼此分离。
  • 嵌入调用会把文档文本发送给托管的嵌入提供方。如果数据不得离开你的基础设施,请使用自托管的嵌入模型。
  • 开放的向量库就是你语料的一份副本。请为 Chroma 启用认证,并避免暴露在公共接口上。

须知

  • 替换文档分块的行为已在内存模式和 pgvector 上验证。对 Chroma 预计可用,但没有测试覆盖,因此重新摄取的文档可能会留下过期的分块。

相关集成

本页的配置和行为依据 EDDI 文档,核对日期为 2026-10-14。字段名称和默认值可能随版本变化,请在所用版本的文档中确认。