node.js Chromadb , example

add.js

// ChromaDB + Ollama を使用したベクトル検索のサンプルコード

// 必要なパッケージ:
// npm install chromadb ollama

import { ChromaClient } from 'chromadb';
import ollama from 'ollama';

// ChromaDBクライアントの初期化
const chromaClient = new ChromaClient({
  path: 'http://localhost:8000' // ChromaDBサーバーのURL
});

// コレクション名
const COLLECTION_NAME = 'documents';

// Ollamaでテキストから埋め込みベクトルを生成
async function generateEmbedding(text) {
  const response = await ollama.embeddings({
    model: "qwen3-embedding:0.6b",
    prompt: text
  });
  return response.embedding;
}

// ドキュメントをChromaDBに追加
async function addDocuments() {
  try {
    // コレクションを作成または取得
    const collection = await chromaClient.getOrCreateCollection({
      name: COLLECTION_NAME,
      metadata: { description: 'サンプルドキュメント集' }
    });

    // サンプルドキュメント
    const documents = [
      { id: 'doc1', text: 'ChromaDBはベクトルデータベースです。', metadata: { category: 'database' } },
      { id: 'doc2', text: 'Ollamaはローカルで大規模言語モデルを実行できます。', metadata: { category: 'llm' } },
      { id: 'doc3', text: 'Node.jsはサーバーサイドJavaScriptの実行環境です。', metadata: { category: 'runtime' } }
    ];

    // 各ドキュメントの埋め込みベクトルを生成
    const embeddings = await Promise.all(
      documents.map(doc => generateEmbedding(doc.text))
    );

    // ドキュメントをコレクションに追加
    await collection.add({
      ids: documents.map(d => d.id),
      embeddings: embeddings,
      documents: documents.map(d => d.text),
      metadatas: documents.map(d => d.metadata)
    });

    console.log('✅ ドキュメントを追加しました');
  } catch (error) {
    console.error('❌ エラー:', error);
  }
}

// メイン実行関数
async function main() {
  console.log('🚀 ChromaDB + Ollama サンプルを開始します\n');

  // ドキュメントを追加
  await addDocuments();
}

// 実行
main().catch(console.error);

delete.js

import { ChromaClient } from "chromadb";

// ChromaDBサーバーのアドレス
const CHROMA_URL = "http://localhost:8000"; 
// 削除したいコレクションの名前
const COLLECTION_NAME = 'documents';

async function deleteSpecificCollection() {
  // 1. ChromaClient の初期化
  const client = new ChromaClient({ path: CHROMA_URL });

  try {
    // 2. コレクションの削除
    // 成功した場合、このコレクションは完全に削除され、その中のすべてのデータ（埋め込みベクトル、メタデータなど）が失われます。
    await client.deleteCollection({ name: COLLECTION_NAME });

    console.log(`✅ コレクション '${COLLECTION_NAME}' は正常に削除されました。`);

  } catch (error) {
    console.error(`❌ コレクションの削除中にエラーが発生しました:`, error);
    // コレクションが存在しない場合などもここでエラーとして処理されます。
    
    // エラーが "Collection not found" のような特定のエラーであれば、その旨を通知することもできます。
    if (error.message && error.message.includes("does not exist")) {
        console.log(`💡 コレクション '${COLLECTION_NAME}' は存在しませんでした。`);
    }
  }
}

deleteSpecificCollection();

package.json

{
  "name": "chroma_1",
  "version": "1.0.0",
  "main": "index.js",
  "scripts": {
    "test": "echo \"Error: no test specified\" && exit 1"
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "description": "",
  "dependencies": {
    "chromadb": "^3.1.8",
    "ollama": "^0.6.3"
  }
}

search.js

// ChromaDB + Ollama を使用したベクトル検索のサンプルコード

// 必要なパッケージ:
// npm install chromadb ollama

import { ChromaClient } from 'chromadb';
import ollama from 'ollama';

// ChromaDBクライアントの初期化
const chromaClient = new ChromaClient({
  path: 'http://localhost:8000' // ChromaDBサーバーのURL
});

// コレクション名
const COLLECTION_NAME = 'documents';

// Ollamaでテキストから埋め込みベクトルを生成
async function generateEmbedding(text) {
  const response = await ollama.embeddings({
    model: "qwen3-embedding:0.6b",
    prompt: text
  });
  return response.embedding;
}


// 類似ドキュメントを検索
async function searchDocuments(query) {
  try {
    const collection = await chromaClient.getCollection({
      name: COLLECTION_NAME
    });

    // クエリの埋め込みベクトルを生成
    const queryEmbedding = await generateEmbedding(query);

    // 類似検索を実行
    const results = await collection.query({
      queryEmbeddings: [queryEmbedding],
      nResults: 3 // 上位3件を取得
    });

    console.log(`\n🔍 検索クエリ: "${query}"\n`);
    console.log('検索結果:');
    
    results.documents[0].forEach((doc, i) => {
      console.log(`\n${i + 1}. ${doc}`);
      console.log(`   距離: ${results.distances[0][i].toFixed(4)}`);
      console.log(`   メタデータ:`, results.metadatas[0][i]);
    });

    return results;
  } catch (error) {
    console.error('❌ 検索エラー:', error);
  }
}

// メイン実行関数
async function main() {
  console.log('🚀 ChromaDB + Ollama サンプルを開始します\n');

  // 類似検索を実行
  await searchDocuments('データベース');
}

// 実行
main().catch(console.error);