在前面的很多示例中，我们创建集合使用的是 get_or_create_collection() 方法，并且仅传递 name（集合名）、embedding_function（嵌套函数），没有传递更多参数。
实际上，创建集合时，我们可以通过传递 configuration 参数来配置集合，例如：
col = client.create_collection(
name="kb",
embedding_function=None,
configuration={
"hnsw": {
"space": "cosine",
"ef_construction": 200,
"ef_search": 100,
"max_neighbors": 32,
}
},
)
上面代码将在 Chroma 中创建一个名为 "kb" 的集合（Collection），并且明确指定了底层的 HNSW 向量索引算法及一系列调优参数。
其中的 HNSW 中的参数含义如下：
- "space": "cosine"： 指定使用余弦相似度来衡量向量之间的距离。这在处理文本嵌入（Text Embeddings）时是最常用的度量方式，它关注的是向量的“方向”而不是“长度”。（其他选项还有 l2 欧氏距离、ip 内积等）。
- "ef_construction": 200：建库参数。它决定了在构建索引图时，每个节点寻找新邻居的候选池大小。值越大，索引图的质量越高（搜索时不容易漏掉数据），但建库（插入数据）的速度会变慢，消耗的内存也会增加。
- "ef_search": 100：查询参数。它决定了在检索时，算法从入口点向下游走的候选池大小。值越大，检索的召回率（查到相关结果的概率）越高，但查询的延迟（耗时）也会增加。
- "max_neighbors": 32：图连接数（对应 HNSW 理论中的 M 参数）。它决定了每个节点在索引图中最多可以保留多少个相邻节点。值越大，图的连通性越好，高维数据的检索效果更好，但内存占用会显著上升。通常推荐值在 16 到 64 之间。32 是一个比较平衡的推荐值。
当集合创建完成后，可以使用如下代码进行读取配置：
import chromadb
client = chromadb.EphemeralClient()
col = client.create_collection(
name="kb_demo",
embedding_function=None,
configuration={
"hnsw": {
"space": "cosine",
"ef_construction": 200,
"ef_search": 100,
"max_neighbors": 32,
}
},
)
print(col.configuration)
我本机的实际输出：
{'hnsw': {'space': 'cosine', 'ef_construction': 200, 'ef_search': 100,
'max_neighbors': 32, 'resize_factor': 1.2, 'sync_threshold': 1000},
'spann': None, 'embedding_function': None}
顶层有三个 key：
| key | 含义 |
| hnsw | HNSW 索引（单机版默认，全内存） |
| spann | SPANN 索引（磁盘友好，主要给 Cloud 用） |
| embedding_function | 嵌入函数配置 |
hnsw 和 spann 只能选一个，同时传会报，例如：
import chromadb
client = chromadb.EphemeralClient()
col = client.create_collection(
name="kb_demo",
embedding_function=None,
configuration={
"spann": {
"space": "cosine",
"search_nprobe": 64
},
"hnsw": {
"space": "cosine",
"ef_construction": 200,
"ef_search": 100,
"max_neighbors": 32,
}
},
)
运行将抛出如下错误信息：
ValueError: hnsw and spann cannot both be provided
川公网安备51010802032098