nextjs openai doc search

Next.js Openai Doc Search Starter

يأخذ هذا المبتدئ جميع ملفات .mdx في دليل pages ويعالجها لاستخدامها كسياق مخصص في مطالبات إكمال نص Openai.

نشر

نشر هذا المبتدئ إلى Vercel. سيقوم تكامل Supabase تلقائيًا بتعيين متغيرات البيئة المطلوبة وتكوين مخطط قاعدة البيانات الخاص بك. كل ما عليك فعله هو تعيين OPENAI_KEY الخاص بك وأنت مستعد للذهاب!

[

التفاصيل الفنية

يتضمن بناء chatgpt المخصص الخاص بك أربع خطوات:

1. [؟ بناء الوقت] مرحلة ما قبل العملية قاعدة المعرفة (ملفات .mdx في مجلد pages الخاص بك).
2. [؟ وقت بناء] تخزين التضمينات في postgres مع PGVector.
3. [؟ وقت التشغيل] قم بإجراء البحث في المتجه للعثور على المحتوى ذي الصلة بالسؤال.
4. [؟ وقت التشغيل] حقن المحتوى في موجه Openai GPT-3 لإكمال النص واستجابة دفق العميل.

؟ بناء الوقت

الخطوة 1. و 2. تحدث في وقت البناء ، على سبيل المثال عندما يقوم Vercel بإنشاء تطبيق Next.js. خلال هذا الوقت ، يتم تنفيذ البرنامج النصي generate-embeddings الذي يؤدي المهام التالية:

 Sequencediagram
    المشارك فيل
    المشارك DB (PGVector)
    المشارك Openai (API)
    الحلقة 1. قبل العملية قاعدة المعرفة
        Vercel->> Vercel: chunk .mdx pages في أقسام
        الحلقة 2. إنشاء وتخزين التضمينات
            Vercel->> Openai (API): إنشاء التضمين لقسم الصفحة
            Openai (API)->> Vercel: ناقل تضمين (1536)
            Vercel->> DB (PGVector): تخزين التضمين لقسم الصفحة
        نهاية
    نهاية

بالإضافة إلى تخزين التضمينات ، يقوم هذا البرنامج النصي بإنشاء فحوصات لكل ملف من ملفات .mdx ويخزن هذا في جدول قاعدة بيانات آخر للتأكد من تجديد التضمين فقط عند تغيير الملف.

؟ وقت التشغيل

الخطوة 3. و 4. يحدث في وقت التشغيل ، في أي وقت يقدم المستخدم سؤالًا. عندما يحدث هذا ، يتم تنفيذ التسلسل التالي للمهام:

 Sequencediagram
    عميل المشارك
    وظيفة حافة المشاركين
    المشارك DB (PGVector)
    المشارك Openai (API)
    عميل->> وظيفة الحافة: {query: lorem ispum}
    حرج 3. إجراء البحث في المتجه
        وظيفة الحافة->> Openai (API): إنشاء تضمين للاستعلام
        Openai (API)->> وظيفة الحافة: ناقل التضمين (1536)
        دالة الحافة->> DB (PGVector): بحث التشابه المتجه
        DB (PGVector)->> وظيفة الحافة: محتوى المستندات ذات الصلة
    نهاية
    4 حرج. حقن المحتوى في موجه
        وظيفة EDGE->> Openai (API): موجه طلب الإكمال: استعلام + محتوى المستندات ذات الصلة
        Openai (API)->> العميل: نص/حدث الحدث: استجابة الإكمال
    نهاية

الملفات ذات الصلة لهذا هو مكون SearchDialog (العميل) vector-search (وظيفة الحافة).

يتم تخزين تهيئة قاعدة البيانات ، بما في ذلك إعداد امتداد pgvector في مجلد supabase/migrations الذي يتم تطبيقه تلقائيًا على مثيل Postgres المحلي عند تشغيل supabase start .

التنمية المحلية

إعدادات

• cp .env.example .env
• اضبط OPENAI_KEY في ملف .env الذي تم إنشاؤه حديثًا.
• قم بتعيين NEXT_PUBLIC_SUPABASE_ANON_KEY و SUPABASE_SERVICE_ROLE_KEY run:

  ملاحظة: عليك تشغيل Supabase لاسترداد المفاتيح.

ابدأ supabase

تأكد من تثبيت Docker وتشغيله محليًا. ثم ركض

supabase start

لاسترداد NEXT_PUBLIC_SUPABASE_ANON_KEY و SUPABASE_SERVICE_ROLE_KEY run:

supabase status

ابدأ تطبيق Next.js

في نافذة طرفية جديدة ، قم بتشغيل

pnpm dev

باستخدام مستندات .mdx المخصصة الخاصة بك

1. بشكل افتراضي ، يجب أن تكون الوثائق الخاصة بك في تنسيق .mdx . يمكن القيام بذلك عن طريق إعادة تسمية ملف .md الحالي (أو متوافق).
2. تشغيل pnpm run embeddings لتجديد التضمينات.

   ملاحظة: تأكد من تشغيل Supabase. للتحقق ، تشغيل supabase status . إذا لم يتم تشغيل supabase start .

3. قم بتشغيل pnpm dev مرة أخرى لتحديث NextJS LocalHost: 3000 صفحة تم تقديمها.

يتعلم أكثر

• اقرأ المدونة حول كيفية قيامنا ببناء ChatGPT لمستندات Supabase.
• [مستندات] PGVector: التضمينات وتشابه المتجه
• شاهد مقطع الفيديو "كيف قمت ببناء هذا" على قناة YouTube متلازمة Rabbit Hole:

رخصة

Apache 2.0