嘿，@Rust-Ninja-Sabi!我在这里帮助你解决这个仓库中的任何错误、问题或贡献。在等待人工维护者时，我会协助你。
index.ref_doc_info 在 0.10.41 版本中无法与 chromadb 一起使用，因为 ChromaVectorStore 类没有名为 ref_doc_info 的属性或方法。该类旨在处理与节点及其嵌入相关的操作，但不包括与 ref_doc_info1(https://github.com/run-llama/llama_index/blob/main/llama-index-legacy/llama_index/legacy/vector_stores/chroma.py)2(https://github.com/run-llama/llama_index/blob/main/llama-index-integrations/vector_stores/llama-index-vector-stores-chroma/llama_index/vector_stores/chroma/base.py) 相关的任何功能。
遇到的具体错误信息是：

raise NotImplementedError(
    "Vector store integrations that store text in the vector store are "
    "not supported by ref_doc_info yet."
)

对于管理不支持 ref_doc_info 的矢量存储中的文档引用和元数据，你可以遵循推荐的做法，例如将节点存储在文档存储中并确保正确管理元数据。

• 要继续与 @dosu 对话，请提及 @dosu。*

当它与Chromadb一起工作时，何时才能生效？我使用llama索引来为所有可用的存储提供一个API。但是据我所知，文档管理功能在Chromadb中不可用。它是否适用于任何矢量数据库？谢谢。

文档管理适用于chromadb矢量数据库。提供的代码演示了如何在ChromaVectorStore中使用chromadb创建、添加、删除和查询文档。
以下是如何设置和使用ChromaVectorStore的示例：

import chromadb
from llama_index.vector_stores.chroma import ChromaVectorStore

# Create a Chroma client and collection
chroma_client = chromadb.EphemeralClient()
chroma_collection = chroma_client.create_collection("example_collection")

# Set up the ChromaVectorStore and StorageContext
vector_store = ChromaVectorStore(chroma_collection=chroma_collection)

# Example of adding nodes
nodes = [...]  # List of BaseNode instances with embeddings
vector_store.add(nodes)

# Example of querying nodes
query = VectorStoreQuery(query_embedding=[...], similarity_top_k=5)
result = vector_store.query(query)

# Example of deleting nodes
vector_store.delete_nodes(node_ids=["node_id_1", "node_id_2"])

此外，llama_index库中的ChromaReader类允许您从现有的持久化Chroma集合中检索文档。以下是如何使用ChromaReader的示例：

from llama_index.legacy.readers.chroma import ChromaReader

# Initialize the ChromaReader
chroma_reader = ChromaReader(
    collection_name="example_collection",
    persist_directory="/path/to/persisted/collection"
)

# Load data from the collection
documents = chroma_reader.load_data(query_embedding=[...], limit=10)

对于持久存储，您可以使用PersistentClient来管理您的Chroma集合。以下是一个示例：

from typing import Optional
from llama_index.vector_stores.chroma import ChromaVectorStore
import chromadb

def get_vector_store(docset_id) -> Optional[ChromaVectorStore]:
    db = chromadb.PersistentClient(path="/path/to/persisted/collection")
    chroma_collection = db.get_or_create_collection(docset_id)
    return ChromaVectorStore(
        chroma_collection=chroma_collection, embed_model=EMBEDDINGS
    )

这种设置确保了您使用chromadb进行的文档管理既灵活又具有持久性。

• 要继续与Dosu交谈，请提及@dosu。*

@dosu vector_store.get_notes() is not implemented. Can you show me the query to get all nodes? Thanks.

要查询和检索 ChromaVectorStore 中的所有节点，您可以使用带有空查询的 query 方法。以下是一个示例：

import chromadb
from llama_index.vector_stores.chroma import ChromaVectorStore
from llama_index.core.vector_stores.types import VectorStoreQuery

Create a Chroma client and collection

chroma_client = chromadb.Client()
collection = chroma_client.get_or_create_collection("example_collection")

Set up the ChromaVectorStore

vector_store = ChromaVectorStore.from_collection(collection)

Retrieve all nodes

query = VectorStoreQuery(query_embedding=[], similarity_top_k=0)
all_nodes_result = vector_store.query(query)

all_nodes_result.nodes will contain the list of all nodes in the collection

print(all_nodes_result.nodes)

这段代码将通过调用带有空查询嵌入和 similarity_top_k 设置为 0 的 query 方法来从 ChromaVectorStore 中检索所有节点。query 方法将返回一个包含集合 1(https://github.com/run-llama/llama_index/blob/main/llama-index-integrations/vector_stores/llama-index-vector-stores-chroma/llama_index/vector_stores/chroma/base.py)2(https://github.com/run-llama/llama_index/blob/main/llama-index-legacy/llama_index/legacy/vector_stores/chroma.py)3(https://github.com/run-llama/llama_index/blob/main/llama-index-integrations/vector_stores/llama-index-vector-stores-chroma/tests/test_chromadb.py) 中所有节点的 VectorStoreQueryResult 对象。

• 要继续与 Dosu 交谈，请提及 @dosu。*

@Rust-Ninja-Sabi 这是正确的。ref_doc_info 依赖于有一个文档存储，但大多数向量数据库禁用文档存储，因为它们将所有节点存储在向量数据库中(简化存储)。
我建议使用带有附加向量存储和文档存储的摄取管道。