headless vector search
1.0.0
Proporciona una búsqueda de vector/similitud para cualquier sitio de documentación. Es sin cabeza, para que pueda integrarlo en su sitio web existente.
docs dentro de su base de datos.Comience creando un nuevo proyecto de Supabase: Database.new.
supabase link --project-ref XXXsupabase db pushsupabase secrets set OPENAI_API_KEY=sk-xxxsupabase functions deploy --no-verify-jwtdocs a través de API en la configuración del tablero de Supabase> API Settings > Exposed schemassupabase-vector-embeddings en el repositorio de su base de conocimiento. Verá los incrustaciones poblados en su base de datos después de que se haya ejecutado la acción de GitHub. vector-search Edge en la sección Funciones del tablero. curl -i --location --request GET ' https://your-project-ref.functions.supabase.co/vector-search?query=What%27s+Supabase%3F ' const onSubmit = ( e : Event ) => {
e . preventDefault ( )
answer . value = ""
isLoading . value = true
const query = new URLSearchParams ( { query : inputRef . current ! . value } )
const projectUrl = `https://your-project-ref.functions.supabase.co`
const queryURL = ` ${ projectURL } / ${ query } `
const eventSource = new EventSource ( queryURL )
eventSource . addEventListener ( "error" , ( err ) => {
isLoading . value = false
console . error ( err )
} )
eventSource . addEventListener ( "message" , ( e : MessageEvent ) => {
isLoading . value = false
if ( e . data === "[DONE]" ) {
eventSource . close ( )
return
}
const completionResponse : CreateCompletionResponse = JSON . parse ( e . data )
const text = completionResponse . choices [ 0 ] . text
answer . value += text
} ) ;
isLoading . value = true
} MIT