Chroma DBとは？Python定番ベクトルDBを試す

RAGでは、ユーザーからの質問に答える際に、まず知識ベースから関連情報を「検索（Retrieval）」し、その情報を基にLLMが「生成（Generation）」を行います。

まず知識ベースをChroma DBで準備しましょう。

Chroma DBとは？　 Pythonで使えるRAGの定番ライブラリ

Chroma DB は、ベクトルデータベース（埋め込み特化DB）です。
主に RAG（Retrieval Augmented Generation） や 類似検索 用途で使われます。

• テキスト・画像などを変換したベクトル（embedding）を保存
• クエリもベクトル化して 意味的に近いデータを高速検索
• ローカル完結で使える（サーバー必須ではない）

pipのみでPythonから簡単に扱えることがメリットで、個人用ではRAGの定番ライブラリとなっています。

公式サイトトップページ Chroma

環境の準備

まずPython環境の準備を済ませておきます。バージョンは3.11系がバランスが良いでしょう。 https://pareido.jp/basic/pyenv-basic/

Python環境が整ったら、Chroma DBのライブラリをインストールします。

pip install chromadb

インストールが終われば早速コーディングに移ります。

サンプルデータの準備

まず、サンプルデータを用意します。

ここでは「おみくじ」を題材にテストデータをChatGPTに作ってもらいました。

大吉：今日は新しい挑戦が実を結びやすい日です。思い切った行動が良い流れを呼び込みます。
大吉：迷っていた決断に追い風が吹きます。直感を信じて動くと成果につながります。
大吉：周囲の協力を得やすい運気です。積極的に声をかけると道が開けます。
中吉：これまでの努力が少しずつ評価され始めます。焦らず継続することが大切です。
中吉：目立った成果は出なくても、基礎固めに向いた一日です。
中吉：周囲との調整役に回ることで、後のチャンスにつながります。
小吉：大きな進展はありませんが、小さな気づきが得られる日です。
小吉：身近な人との会話の中にヒントがあります。聞き役に回ると良いでしょう。
小吉：無理をせず、できることを一つずつ片付けると安心感が生まれます。
吉：安定した運気で、日常作業を丁寧に進めると評価が高まります。
吉：計画通りに物事が進みやすい日です。基本を大切にしましょう。
吉：派手さはありませんが、堅実な選択が後で効いてきます。
末吉：思い通りに進まない場面がありますが、経験として蓄積されます。
末吉：一度立ち止まって状況を整理すると、次の一手が見えてきます。
末吉：遠回りに見える選択が、結果的に安全な道になるでしょう。
凶：無理に進めるとトラブルが起きやすい日です。慎重さを優先しましょう。
凶：判断を急がず、準備や見直しに時間を使うのが無難です。
凶：今日は守りを重視すると、余計な失敗を避けられます。

実際はテキストファイルやMDファイルを読み込むことが多く、パフォーマンスLLMのコンテキスト長などの制約も考えながら、チャンク分割等のチューニングが必要になります。 ここではシンプルに、行単位の短いデータを利用しています。

PythonからのChroma DB実行

下記のようなPythonコードを準備します。

from chromadb import Client
from chromadb.config import Settings

# Chroma DB をインメモリで初期化
client = Client(Settings(persist_directory=None))
collection = client.create_collection(name="sample_texts")

# サンプルデータ
texts = [
    "大吉：今日は新しい挑戦が実を結びやすい日です。思い切った行動が良い流れを呼び込みます。",
    "大吉：迷っていた決断に追い風が吹きます。直感を信じて動くと成果につながります。",
    "大吉：周囲の協力を得やすい運気です。積極的に声をかけると道が開けます。",
    (テストデータを列挙...)
]

# 各行をそのままドキュメントとして登録
for i, text in enumerate(texts):
    collection.add(
        documents=[text],
        ids=[str(i)]
    )

# 確認用：クエリに近い文章を検索
result = collection.query(
    query_texts=["吉"],
    n_results=2
)

print(result["documents"])

このコードを実行すると、Chroma DBにテキストが登録され、指定したクエリ(ここでは”吉”)に近い文章が検索されます。

[['吉：計画通りに物事が進みやすい日です。基本を大切にしましょう。', '吉：派手さはありませんが、堅実な選択が後で効いてきます。']]

初回はembeddingモデル(“all-MiniLM-L6-v2”)のダウンロードが自動で始まり、少し待たされます。

これでRAGの「検索（Retrieval）」部分が動作することを確認できました。

まとめ

RAGは、LLMの弱点を補うために外部知識ベースを活用する強力な手法です。

Chroma DBを使った簡単な実装例を通じて、RAGの基本的な流れを理解できました。

今後は、より高度な検索アルゴリズムや大規模な知識ベースを組み合わせて、実用的なRAGシステムを構築していきます。