FAISS 和 Chroma 都可以直接嵌入 Python 程序。Milvus Standalone 不同，它是一个独立运行的向量数据库服务，应用通过网络端口访问。 本文章启动 Milvus 2.6.9 Standalone，使用 PyMi

上一篇使用 FAISS 完成了本地向量检索。FAISS 主要管理向量和位置编号，原始文本、业务 ID 与 Metadata 通常需要由应用额外维护。 这一篇改用 Chroma 原生 API。Chroma 可以在一个 Collection 中

上一篇比较了 FAISS、Chroma 和 Milvus。这一篇先使用最轻量的 FAISS，不启动数据库服务，并通过 LangChain 的 FAISS 封装管理向量、原文和元数据。 我们会让本地 Qwen3-Embedding-0.6B

上一篇使用 CSV 保存了 100 条评论及其 Embedding，然后在查询时逐行读取向量、计算余弦相似度并排序。这个方法容易理解，也能帮助我们验证语义搜索的完整过程，但数据量继续增加后会遇到几个问题： 每次查询都要扫描全部向量。 向量