Ce projet montre comment utiliser Langchain et Supabase pour créer une boutique vectorielle pour des documents à l'aide d'Openai Embeddings. Les données de texte sont divisées en morceaux gérables et stockés dans Supabase pour une récupération efficace.
Clone le référentiel:
git clone https://github.com/yourusername/supabase-vector-store.git
cd supabase-vector-storeInstallez les dépendances à l'aide de pipenv:
pipenv install Créez un fichier .env dans le répertoire racine et ajoutez vos informations d'identification Supabase et Openai:
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
Assurez-vous que vous disposez d'un fichier texte nommé personal-info.txt dans le répertoire racine avec le contenu que vous souhaitez traiter.
Installez les dépendances à l'aide de pipenv:
pipenv installExécutez le script:
pipenv run python vector.pySi le script s'exécute avec succès, vous devriez voir le message:
Documents stored successfully.
Ce projet est autorisé sous la licence du MIT.
N'hésitez pas à ouvrir des problèmes ou à soumettre des demandes de traction d'améliorations ou de corrections de bogues.