law cn ai

Asistente legal de IA

Fuente del documento legal: https://github.com/lawrefbook/laws

Plantilla del proyecto: https://github.com/supabase-community/nextjs-openai-doc-search

Este proyecto toma todos los archivos .mdx del directorio pages y los procesa en un contexto personalizado para su uso en el texto de OpenAI, las indicaciones de autocompletación.

Más diversión

Asistente de escritura inteligente	AI Enciclopedia	Generador de aviso
Experto de traducción de IA	❤️ Recompensa y patrocinio ❤️

desplegar

Implemente este iniciador en Vercel. La integración de Supabase establece automáticamente las variables de entorno requeridas y configura el perfil de su base de datos. ¡Solo necesitas configurar OPENAI_KEY y estás listo para comenzar!

El póster es demasiado vago, gracias a GoJun por ayudar a escribir el tutorial: https://eibot3u32o.feishu.cn/docx/l46pdp3fjoupuvxanzpckctno3

Detalle técnico

Construir su propio chatgpt personalizado implica cuatro pasos:

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

?

Los pasos 1 y 2 ocurren en la hora de compilación, como cuando Vercel construye su aplicación Next.js. En este momento, se ejecuta el script generate-embeddings , que realiza las siguientes tareas:

 secuencediagram
    VERCEL PARTICIPANTE
    DB participante (PGVector)
    Participante Openai (API)
    bucle 1. Preprocesamiento de la base de conocimiento Vercel->> VERCEL: Divida la página .mdx en Parts Loop 2. Cree y almacene VERCEL->> OpenAI (API): Crear incrustación OpenAI (API) para la parte de la página->> VECEL: Vector de incrustación (1536)
            VERCEL->> DB (PGVECTOR): INSCRIVE FIN DE LA PÁGINA DE LA PÁGINA
    fin

Además de almacenar los vectores de incrustación, este script genera una suma de verificación para cada archivo .mdx y lo almacena en otra tabla de base de datos para garantizar que los vectores de incrustación se regeneran solo si el archivo cambia.

?

Los pasos 3 y 4 ocurren en tiempo de ejecución, es decir, cuando el usuario envía el problema. Cuando esto sucede, realice la siguiente serie de tareas:

 secuencediagram
    cliente participante
    función de borde del participante
    DB participante (PGVector)
    Participante Openai (API)
    Cliente->> función de borde: {consulta: lorem ispum}
    Critical 3. Realice la función del borde de búsqueda de similitud vectorial ->> OpenAI (API): cree un OpenAI incorporado (API) para una consulta ->> Función de borde: Vector de incrustación (1536)
        Función de borde->> DB (PGVector): Vector Simility Search DB (PGVector)->> Función de borde: Fin de contenido de documento relacionado
    Critical 4. Inyectar contenido en la función de borde de inmediato->> OpenAI (API): Solicitud completa Solicitud: Consulta + Contenido de documento relacionado OpenAI (API)->> Cliente: Texto/Event-Stream: finalización automática de la respuesta final

Este es el archivo relevante responsable SearchDialog（客户端） y vector-search（边缘函数） .

La inicialización de la base de datos, incluida la configuración de pgvector , se almacena en supabase/migrations y se aplica automáticamente a la instancia local de Postgresql cuando se ejecuta supabase start .

Desarrollo local

Configuración

• cp .env.example .env
• Establezca OPENAI_KEY en el archivo .env recién creado.

Comience Supabase

Asegúrese de que Docker esté instalado y funcionando localmente. Luego corre

npx supabase start

Inicie la aplicación Next.js

Ejecutar en una nueva ventana de terminal

pnpm dev

desplegar

Simplemente despliegue este iniciador en Vercel. La integración de Supabase establece automáticamente las variables de entorno requeridas y configura el esquema de su base de datos. ¡Solo necesitas configurar OPENAI_KEY y comenzar!

Obtenga más información

• Lea nuestra publicación de blog sobre cómo construimos el chatgpt de documentación de Supabase.
• [DOCS] PGVECTOR: Funciones de similitud de incrustación y vectorial.
• Mira el video "How I Built This" de Greg sobre el canal de YouTube del síndrome de conejos de conejo:

此文件由 ChatGPT 提供翻译

Historia de la estrella