law cn ai

AI Legal Assistant

Rechtsdokument Quelle: https://github.com/lawrefbook/laws

Projektvorlage: https://github.com/supabase-community/nextjs-openai-doc-search

Dieses Projekt nimmt alle .mdx -Dateien aus dem pages auf und verarbeitet sie in einen benutzerdefinierten Kontext für die Verwendung in OpenAI -Text -Autokapostufen.

Mehr Spaß

Smart Writing Assistant	Ai Enzyklopädie	Eingabeaufforderung Generator
AI -Übersetzungsexperte	❤️ Belohnung und Sponsoring ❤️

einsetzen

Stellen Sie diesen Starter in Vercel ein. Die Supabase -Integration legt automatisch die erforderlichen Umgebungsvariablen fest und konfiguriert Ihr Datenbankprofil. Sie müssen nur OPENAI_KEY einstellen und Sie sind bereit zu gehen!

Das Poster ist zu faul, dank Gojun für das Schreiben des Tutorials: https://eibot3u32o.feishu.cn/docx/l46pdp3fjoupuvxanzpckkKKCTNO3

Technische Details

Das Erstellen eines eigenen benutzerdefinierten Chatgpts umfasst vier Schritte:

1. pages .mdx
2. [?
3. [?
4. [?

?

Die Schritte 1 und 2 erfolgen zum Bauzeit, z. Zu diesem Zeitpunkt wird das Skript generate-embeddings ausgeführt, das die folgenden Aufgaben ausführt:

 sequenzieren
    Teilnehmer Vercel
    Teilnehmer DB (PGVector)
    Teilnehmer OpenAI (API)
    Schleife 1. Vorverarbeitungswissensbasis Rezel->> Vercel: Teilen Sie die .mdx-Seite in die Teileschleife 2. Erstellen und speichern Sie eingebettetes Vercel->> OpenAI (API): Erstellen Sie einbetten OpenAI (API) für den Seitenpart->> Vercel: Einbettenvektor (1536) (1536).
            Vercel->> DB (PGVector): Einbettenende des Seitenparts
    Ende

Neben dem Speichern der Einbettungsvektoren generiert dieses Skript auch eine Prüfsumme für jede .mdx -Datei und speichert sie in einer anderen Datenbanktabelle, um sicherzustellen, dass die Einbettungsvektoren nur dann regeneriert werden, wenn sich die Datei ändert.

?

Die Schritte 3 und 4 erfolgen zur Laufzeit, d. H. Wenn der Benutzer das Problem einreicht. Führen Sie in diesem Fall die folgenden Aufgabenserien aus:

 sequenzieren
    Teilnehmerkunde
    Teilnehmerkante -Funktion
    Teilnehmer DB (PGVector)
    Teilnehmer OpenAI (API)
    Client->> Kantenfunktion: {Abfrage: lorem ispum}
    Kritisch 3. Function Vector -Ähnlichkeitssuche durchführen ->> OpenAI (API): Erstellen Sie eine eingebettete OpenAI (API) für eine Abfrage ->> Kantenfunktion: Einbettungsvektor (1536)
        Kantenfunktion->> DB (PGVector): Vektorähnlichkeitssuche DB (PGVector)->> Kantenfunktion: Verwandter Dokumentinhalt inhaltend End
    Kritisch 4. Inhalt Inhalt in die Eingabeaufforderung Kantenfunktion einlegen->> OpenAI (API): Vollständige Anforderung Eingabeaufforderung: Abfrage + Verwandte Dokumentinhalte OpenAI (API)->> Client: Text/Ereignisstream: Automatische Fertigstellung des Antwortendes

Dies ist die relevante Datei, die für SearchDialog（客户端） Komponente und vector-search（边缘函数） verantwortlich ist.

Die Initialisierung der Datenbank, einschließlich der Einstellungen für pgvector -Erweiterung, wird im Ordner supabase/migrations gespeichert und automatisch auf die lokale PostgreSQL -Instanz angewendet, wenn supabase start ausgeführt wird.

Lokale Entwicklung

Konfiguration

• cp .env.example .env
• Setzen Sie OPENAI_KEY in der neu erstellten .env -Datei.

Supabase starten

Stellen Sie sicher, dass Docker installiert ist und lokal ausgeführt wird. Dann rennen

npx supabase start

Starten Sie die nächste Anwendung.js Anwendung

In einem neuen Terminalfenster laufen

pnpm dev

einsetzen

Stellen Sie diesen Starter einfach in Vercel ein. Die Supabase -Integration legt automatisch die erforderlichen Umgebungsvariablen fest und konfiguriert Ihr Datenbankschema. Sie müssen nur OPENAI_KEY einstellen und loslegen!

Erfahren Sie mehr

• Lesen Sie unseren Blog -Beitrag darüber, wie wir Supabase -Dokumentation Chatgpt erstellen.
• [DOCS] PGVector: Einbetten- und Vektor -Ähnlichkeitsfunktionen.
• Sehen Sie sich den YouTube -Kanal von Gregs "Wie ich dieses" Video über das Kaninchen -Loch -Syndrom ansehen:

此文件由 ChatGPT 提供翻译

Sterngeschichte