SelfQueryRetriever 可以与 chromadb 服务器（集合）一起使用吗？

Question

我目前正在使用 SelfQueryRetriever，我的数据存储在集合中的 ChromaDB 服务器中。虽然简单的相似性搜索可以正确检索答案，但对同一集合和查询使用 SelfQueryRetriever 会返回空结果。

我已经正确初始化了SelfQueryRetriever及其参数，并且它正确识别了目标集合。尽管如此，它仍然没有返回任何结果。我的库是最新的。此外，当我使用持久 ChromaDB 实例测试代码时，它工作正常并返回预期的答案。

问题似乎与我的数据存储在集合中的 ChromaDB 服务器有关。

任何有关如何解决此问题的见解或建议将不胜感激。谢谢！

我正在使用的代码是：

def get_chroma_instance():
chroma_client = chromadb.HttpClient(
    host=config("CHROMA_HOST"), port=config("CHROMA_PORT")
)
try:
    chroma_client.heartbeat()
except:
    raise Exception("Chroma server is not running")
return chroma_client


def retrieve_documents(query, top_data=20):
    try:
        embedding_function = OpenAIEmbeddings(openai_api_key=open_api_key)

        llm = ChatOpenAI(temperature=0, openai_api_key=open_api_key)
        document_content_description = ("Search judgements based on metadata")
        metadata_field_info=define_metadata_fields()
        # vectorstore=Chroma("test", OpenAIEmbeddings())
        vectorstore = Chroma(
            client=get_chroma_instance(),
            collection_name="test",
            embedding_function=embedding_function,
        )
        print("\n-----------------------------><--------------------------")
        # vectorstore = vectorstore._collection
        print("\n\n\n\nvectorstore = ", vectorstore._collection)
        print("\n-----------------------------><--------------------------")
        print("\n\n\n\nvectorstore = ", vectorstore)

        retriever = SelfQueryRetriever.from_llm(
            llm,  # You might need to replace with your LLM implementation
            vectorstore,
            document_content_description,
            metadata_field_info,
            search_kwargs={"k": top_data},
        )

        # Invoke retriever with the query
        docs = retriever.invoke(query)
        # Extract document URLs and IDs (modify based on your metadata structure)
        complete_docs = []
        for doc in docs:
            meta = doc.metadata
            # Assuming "source" field holds the document URL
            document_url = meta.get("source")
            if document_url:
                complete_docs.append({"source": document_url})

        return complete_docs
    except Exception as e:
        print("---------------------------------------------\nError in self query: ", e)

Answer 1

您还记得首先创建嵌入吗？

它应该看起来像这样：

chroma_client = get_chroma_instance()
vectorstore = Chroma.from_documents(
    documents=docs, # your data to vectorize
    client=chroma_client,
    collection_name="test",
    embedding=embedding_function
)