store GetQuery vectors openai js

chatgpt مخصص مع Openai API's

يحتوي هذا المستودع على رمز لكيفية تخزين البيانات الخاصة بك والاستعلام عنها باستخدام Openai Embeddings و Supabase باستخدام JavaScript.

المتطلبات الأساسية

قبل أن تبدأ ، تأكد من أن لديك الإعداد التالي:

• Node.js مثبتة
• حساب supabase مع قاعدة بيانات تكوين
• مفتاح API Openai

تثبيت

1. استنساخ المستودع:

   git clone https://github.com/muzammildafedar/custom-chatgpt-using-js.git
   cd your-repo

2. تثبيت التبعيات:

   npm install openai
   npm install @supabase/supabase-js

إعدادات

استبدل قيم العنصر النائب في الكود مع بيانات اعتماد Supabase و Openai الفعلية:

 const supabaseUrl = 'Your Supabase URL' ;
const supabaseKey = 'Your Supabase API Key' ;
const openaiConfig = {
    apiKey : 'Your OpenAI API Key' ,
} ; 

وظائف الكود

MOSTEMBEDDing (العنوان ، الجسم ، التضمين) الوصف: يخزن العنوان المقدم ، الجسم ، والتضمين في قاعدة بيانات SUPABASE.

QueryEmbeddings (الاستعلام ، عتبة matchthold ، MatchCount) الوصف: الاستعلامات supabase للتضمينات التي تتطابق مع الاستعلام المقدم ، العتبة ، والعد.

GetAnswer (استعلام ، منشورات) الوصف: إنشاء إجابة من Openai GPT-3.5 بناءً على الاستعلام المقدم والمستندات المتطابقة.

مخطط DB

إنشاء جدول لتخزين التضمينات

 create table posts (
  id serial primary key,
  title text not null,
  body text not null,
  embedding vector(1536)
);

من أجل "ربط" Openai على تضميناتنا ، نحتاج إلى إنشاء وظيفة في Postgres ، ابحث عن أقرب قيم مطابقة عند إعطاء ناقل.

 create or replace function match_posts (
    query_embedding vector(1536),
    match_threshold float,
    match_count int
  )
  returns table (
    id bigint,
    body text,
    title text,
    similarity float
  )
  language sql stable
  as $$
    select
      posts.id,
      posts.body,
      posts.title,
      1 - (posts.embedding <=> query_embedding) as similarity
    from posts
    where 1 - (posts.embedding <=> query_embedding) > match_threshold
    order by similarity desc
    limit match_count;
  $$;

بالإضافة إلى ذلك ، يمكننا إنشاء فهرس على جدول منشوراتنا لتسريع الاستعلام.

 create index on posts using ivfflat (embedding vector_cosine_ops)
with
  (lists = 100);