1. 向量数据库

![[Pasted image 20250316192200.png]]

2. 市面上的向量数据库

![[Pasted image 20250316192501.png]]# 3. 学习AI Agent应该选择哪个向量数据库
以学习AI Agent为核心，我认为Chroma是最适合入门的向量数据库选择，原因如下：

  1. 简单易用：Chroma具有简洁的API设计和良好的Python集成，让初学者可以快速上手实现AI Agent的知识库功能。

  2. 开源免费：Chroma完全开源，可以在本地运行，无需考虑使用限制或额外费用，非常适合学习阶段。

  3. 轻量级部署：Chroma可以直接在Python环境中嵌入式运行，无需复杂的服务器配置，降低了基础设施障碍。

  4. LangChain集成：与LangChain框架的无缝集成，使得构建AI Agent的整体流程更加顺畅。

其他选择的比较：

  • Milvus：功能强大但相对复杂，适合大规模生产环境而非学习阶段
  • Faiss：性能优秀但API较为底层，学习曲线较陡
  • Pinecone：云服务模式，虽然易用但有免费层使用限制，且需要网络连接

如果你的学习重点是AI Agent而非向量数据库本身，Chroma提供了最佳的平衡点，让你能够专注于Agent的逻辑构建，同时获得足够的向量存储和检索能力。

# 人工智能 # 学习 # 数据库
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局