• VALIDATION
  • MÉTADONNÉES
  • RÉPARATION
  • HUMAIN

Déboguer le contexte de récupération RAG avec votre IA

Connectez Chroma à votre agent pour explorer votre base de données vectorielle. Visualisez précisément les segments et métadonnées qui alimentent votre pipeline RAG.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment vérifier si mon pipeline RAG récupère le bon contexte ?

Utilisez votre agent pour extraire des segments de documents spécifiques et leurs métadonnées directement depuis Chroma. Cela vous permet de confirmer que le contexte récupéré contient bien les informations nécessaires pour répondre à vos requêtes.

Le point de convergence des erreurs.

Résultats du débogage

Votre agent utilise les outils Chroma pour isoler et inspecter les données responsables des erreurs de récupération.

VALIDATION

Vérifier la précision du contexte

L'agent extrait des segments précis pour confirmer leur pertinence par rapport à votre requête. Vous saurez si la recherche vectorielle cible les bons éléments.

MÉTADONNÉES

Contrôler la logique de filtrage

Inspectez les métadonnées liées aux documents récupérés. Cela permet de vérifier si vos filtres fonctionnent correctement ou s'ils sont trop restrictifs.

RÉPARATION

Identifier les données manquantes

Comprenez pourquoi une requête échoue en analysant ce qui a été réellement récupéré. Vous saurez si l'information est totalement absente de la base de données.

HUMAIN

Nettoyage manuel de l'index

L'IA identifie les segments problématiques. Vous décidez ensuite s'il faut réindexer, modifier la taille des segments ou mettre à jour votre modèle d'embedding.

Le flux

Ce que fait votre IA en cas d'échec de récupération.

Au lieu de deviner pourquoi une réponse est erronée, votre agent enquête directement dans la base de données.

  1. Trouver les vecteurs pertinents

    L'agent parcourt l'espace vectoriel pour trouver les correspondances les plus proches de votre question.

    query_embeddings

  2. Récupérer le contenu des documents

    Une fois les correspondances trouvées, l'agent extrait les segments de texte et les métadonnées associés à ces identifiants.

    get_documents

  3. Inspecter des segments spécifiques

    L'agent examine un document unique ou un petit sous-ensemble pour détecter du bruit ou des problèmes de formatage.

    peek_documents

  4. Comparer et rapporter

    L'agent compare le texte récupéré à votre requête initiale pour expliquer pourquoi le contexte est suffisant ou non.

    get_documentsquery_embeddings

Essayez

Copiez ces exemples pour commencer.

Utilisez ces prompts pour lancer votre session de débogage.

Points de départ

Remplacez le texte entre crochets par vos noms de collections ou vos chaînes de requête spécifiques.

Chroma Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_aUtliGRmHCVn8DepMSRkGx8uw3Df2TS9KO1N5DG4/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Chroma capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "chroma-vector-db-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_aUtliGRmHCVn8DepMSRkGx8uw3Df2TS9KO1N5DG4/mcp"
    }
  }
}
Copiez dans le chat04

  • Interroge la collection 'customer_support' pour trouver les segments les plus pertinents concernant la 'refund policy'.

  • Consulte les cinq premiers documents de la collection 'product_manual' pour vérifier les métadonnées.

  • Récupère le texte complet et les métadonnées des documents renvoyés par une recherche sur 'battery life'.

  • Exécute une requête d'embedding sur la collection 'legal_docs' et montre-moi les métadonnées des 3 meilleurs résultats.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Commencez ici

Connectez Chroma une fois, puis interrogez.

Liez simplement votre instance Chroma. Vos identifiants restent chiffrés et vous pouvez immédiatement débuter le débogage avec votre agent.

Connecter Chroma à votre IA

FAQ

Fonctionnement de la tâche

  • 01

    L'IA peut-elle supprimer des documents de ma collection Chroma ?

    Non. Ce MCP fournit uniquement des outils de lecture et de requête. Il ne peut ni supprimer ni modifier votre base de données vectorielle.

  • 02

    Puis-je l'utiliser pour ajouter de nouveaux embeddings à ma base ?

    Non. Les outils disponibles sont limités à la requête et à l'inspection des données existantes. Vous devez utiliser votre propre pipeline pour ajouter de nouveaux documents.

  • 03

    L'IA voit-elle l'intégralité de ma base de données d'un coup ?

    Non. L'IA ne voit que les documents ou métadonnées spécifiques renvoyés par les outils après avoir effectué une requête ou un peek.

  • 04

    L'IA peut-elle corriger mon modèle d'embedding ?

    Non. L'IA peut seulement rapporter ce qui est actuellement présent dans la base. Elle ne peut pas modifier la manière dont vos embeddings sont générés.

  • 05

    Puis-je filtrer par métadonnées via l'agent ?

    Oui, si ces métadonnées existent dans Chroma, l'agent peut utiliser les outils de récupération pour trouver ces documents spécifiques.

  • D'autres questions sur Chroma ? Voir toutes les capacités du connecteur Chroma

Connectez Chroma à Claude, Cursor, ChatGPT et d'autres