supabase vector py

Supabase Vektor Store

Dieses Projekt zeigt, wie Langchain und Supabase verwendet werden, um einen Vektorspeicher für Dokumente mithilfe von OpenAI -Emetten zu erstellen. Die Textdaten werden in überschaubare Stücke aufgeteilt und für ein effizientes Abruf in Supabase gespeichert.

Voraussetzungen

• Python 3.12
• POBENV

Installation

1. Klonen Sie das Repository:

   git clone https://github.com/yourusername/supabase-vector-store.git
   cd supabase-vector-store

2. Installieren Sie Abhängigkeiten mit Pipenv:

   pipenv install

3. Erstellen Sie eine .env -Datei im Stammverzeichnis und fügen Sie Ihre Supabase- und OpenAI -Anmeldeinformationen hinzu:

    SUPABASE_API_URL=your_supabase_api_url
   SUPABASE_API_KEY=your_supabase_api_key
   OPENAI_API_KEY=your_openai_api_key
   OPENAI_API_URL=your_openai_api_url
   

Verwendung

1. Stellen Sie sicher, dass Sie eine Textdatei mit dem Namen personal-info.txt im Root-Verzeichnis" mit dem Inhalt mit dem Verarbeiten haben.

2. Installieren Sie die Abhängigkeiten mit Pipenv:

   pipenv install

3. Führen Sie das Skript aus:

   pipenv run python vector.py

4. Wenn das Skript erfolgreich ausgeführt wird, sollten Sie die Nachricht sehen:

    Documents stored successfully.
   

Lizenz

Dieses Projekt ist unter der MIT -Lizenz lizenziert.

Beitragen

Fühlen Sie sich frei, Probleme zu öffnen oder Pull -Anfragen nach Verbesserungen oder Fehlerbehebungen einzureichen.

Anerkennung

• Langchain
• Supabase
• Openai