chromem-go：纯 Go 嵌入式向量数据库，像 SQLite 一样给应用加上 RAG

1000 篇文档 0.3 毫秒查询，100000 篇 40 毫秒——零依赖，纯 Go，嵌入你的应用。

2026 年，几乎所有后端应用都在考虑集成 AI 能力。RAG（检索增强生成）是最实用的 AI 集成方式——不需要微调模型，只需把文档喂给向量数据库，就能让 LLM 基于私有数据回答问题。

Go 生态的向量数据库选择不多：Pinecone 是 SaaS，Qdrant 是 Rust 写的独立服务，pgvector 需要跑 PostgreSQL，Faiss 需要 CGO。

chromem-go 填补了这个空白：一个纯 Go、零依赖、可嵌入的向量数据库。就像 SQLite 之于关系型数据库，让你在 Go 应用中直接使用向量搜索，无需部署任何外部服务。

为什么需要嵌入式向量数据库？

传统向量数据库（Pinecone、Qdrant、Milvus）都是客户端-服务器架构：Go 应用 → gRPC/HTTP → 向量数据库服务（独立进程/容器）。

这意味着额外的部署、运维、网络延迟、故障恢复……对于一个"只是想给应用加个 RAG"的需求来说，太重了。

chromem-go 的方案是嵌入式：

db := chromem.NewDB()  // 直接在进程内创建
collection, _ := db.CreateCollection("docs", nil, nil)
// 没有网络调用，没有外部服务

整个过程中没有启动任何外部服务。嵌入向量在进程内计算，存储在内存中，搜索也在进程内完成。

快速上手

package main

import (
    "context"
    "fmt"
    "runtime"
    "github.com/philippgille/chromem-go"
)

func main() {
    ctx := context.Background()
    db := chromem.NewDB()

    collection, _ := db.CreateCollection("knowledge", nil, nil)

    collection.AddDocuments(ctx, []chromem.Document{
        {
            ID:      "1",
            Content: "Go 1.26 引入了全新的垃圾回收器 Green Tea GC",
            Metadata: map[string]string{"topic": "runtime"},
        },
        {
            ID:      "2",
            Content: "Go 1.27 将修复泛型类型推断的限制",
            Metadata: map[string]string{"topic": "generics"},
        },
        {
            ID:      "3",
            Content: "SIMD 支持是 Go 1.26 的实验性特性",
            Metadata: map[string]string{"topic": "performance"},
        },
    }, runtime.NumCPU())

    results, _ := collection.Query(ctx,
        "Go 语言有什么性能优化新特性？",
        1, nil, nil,
    )

    fmt.Printf("相似度: %.4f\n内容: %s\n标签: %s\n",
        results[0].Similarity,
        results[0].Content,
        results[0].Metadata["topic"],
    )
}

核心特性

零依赖

go.mod 里没有任何第三方依赖。没有 CGO，没有 C++ 绑定，没有外部服务：

• 交叉编译：GOOS=linux GOARCH=arm64 go build 直接通过
• Docker 镜像：可以用 scratch 镜像，最终二进制只有几 MB
• WASM 支持：有实验性的 WebAssembly 绑定

多模型嵌入支持

内置 9 种嵌入模型 Provider：

完全离线运行示例：

embeddingFunc := chromem.NewEmbeddingFuncOllama("nomic-embed-text", "http://localhost:11434")
collection, _ := db.CreateCollection("local-docs", nil, embeddingFunc)

性能基准

在中端 2020 年 Intel i5 笔记本上：

10 万篇文档只需 40 毫秒，内存分配不到 1MB。

持久化与备份

// 持久化到磁盘（gob 格式，可选 gzip 压缩）
db, _ := chromem.NewDB("./data/vector.db")

// 导出整个数据库到单文件（可加密）
file, _ := os.Create("backup.gob.gz")
db.Export(file, encryptionKey)

// 从备份恢复
db2 := chromem.NewDB()
file, _ := os.Open("backup.gob.gz")
db2.Import(file, encryptionKey)

并发处理

// AddDocuments 自动并发处理，利用所有 CPU 核心
collection.AddDocuments(ctx, documents, runtime.NumCPU())

过滤查询

// 元数据精确匹配
results, _ := collection.Query(ctx, "Go 性能优化", 5,
    map[string]string{"topic": "performance"}, nil)

// 内容过滤
results, _ := collection.Query(ctx, "GC 优化", 5,
    nil, map[string]string{"$contains": "Green Tea"})

实战：构建 Go 知识库 RAG

用 chromem-go + Ollama 构建本地知识库问答系统：

package main

import (
    "context"
    "fmt"
    "log"
    "runtime"
    "github.com/philippgille/chromem-go"
)

func main() {
    ctx := context.Background()

    // 1. 使用 Ollama 本地嵌入模型（无需 API Key）
    embedFn := chromem.NewEmbeddingFuncOllama(
        "nomic-embed-text",
        "http://localhost:11434",
    )

    db := chromem.NewDB()
    collection, _ := db.CreateCollection("go-knowledge", nil, embedFn)

    // 2. 导入知识文档
    docs := []chromem.Document{
        {
            ID:      "go126-gc",
            Content: "Go 1.26 的 Green Tea GC 将 GC 开销降低了 40%。",
            Metadata: map[string]string{"version": "1.26", "category": "runtime"},
        },
        {
            ID:      "go126-simd",
            Content: "Go 1.26 实验性引入 archsimd 包，支持 AVX2/SSE 向量指令。",
            Metadata: map[string]string{"version": "1.26", "category": "performance"},
        },
    }

    collection.AddDocuments(ctx, docs, runtime.NumCPU())

    // 3. 语义搜索
    results, _ := collection.Query(ctx, "Go 有什么性能优化？", 3, nil, nil)

    for _, r := range results {
        fmt.Printf("[%.2f] %s (%s)\n", r.Similarity, r.Content, r.Metadata["category"])
    }
}

chromem-go vs 其他方案

安装

go get github.com/philippgille/chromem-go@latest

小结

如果你的 Go 应用需要向量搜索能力，但又不想引入外部服务，chromem-go 是目前最好的选择。零依赖、纯 Go、可嵌入——就像 SQLite 让每个应用都能用上关系型数据库一样，chromem-go 让每个 Go 应用都能用上向量搜索。

项目地址：https://github.com/philippgille/chromem-go