Download nextjs openai doc search - nextjs openai doc search Kode Sumber Kode

nextjs openai doc search

Kode sumber lainnya

1.0.0

Unduh

Selanjutnya.js starter pencarian dokumen openai doc

Starter ini mengambil semua file .mdx di direktori pages dan memprosesnya untuk digunakan sebagai konteks khusus dalam permintaan penyelesaian teks openai.

Menyebarkan

Menyebarkan starter ini ke Vercel. Integrasi Supabase akan secara otomatis mengatur variabel lingkungan yang diperlukan dan mengkonfigurasi skema database Anda. Yang harus Anda lakukan adalah mengatur OPENAI_KEY Anda dan Anda siap untuk pergi!

[

Detail teknis

Membangun chatgpt khusus Anda sendiri melibatkan empat langkah:

[? Bangun Waktu] Pra-proses basis pengetahuan (file .mdx Anda di folder pages Anda).
[? Bangun waktu] Toko embeddings di postgres dengan pgvector.
[? Runtime] melakukan pencarian kesamaan vektor untuk menemukan konten yang relevan dengan pertanyaan.
[? Runtime] menyuntikkan konten ke prompt penyelesaian teks OpenAI GPT-3 dan stream respons ke klien.

? Membangun waktu

Langkah 1. Dan 2. Terjadi pada waktu pembangunan, misalnya ketika Vercel membangun aplikasi berikutnya.js Anda. Selama waktu ini skrip generate-embeddings sedang dieksekusi yang melakukan tugas-tugas berikut:

 Sequencediagram
    Peserta Vercel
    Peserta DB (PGVector)
    Peserta Openai (API)
    Loop 1. Pra-Proses Basis Pengetahuan
        Vercel->> Vercel: Halaman chunk .mdx menjadi bagian
        Loop 2. Buat & Toko Embeddings
            Vercel->> OpenAI (API): Buat embedding untuk bagian halaman
            OpenAI (API)->> Vercel: Emector Embedding (1536)
            Vercel->> DB (PGVector): Store Embedding for Page
        akhir
    akhir

Selain menyimpan embeddings, skrip ini menghasilkan checksum untuk masing -masing file .mdx Anda dan menyimpannya di tabel database lain untuk memastikan embeddings hanya diregenerasi ketika file telah berubah.

? Runtime

Langkah 3. Dan 4. Terjadi saat runtime, kapan saja pengguna mengajukan pertanyaan. Ketika ini terjadi, urutan tugas berikut dilakukan:

 Sequencediagram
    klien peserta
    fungsi tepi peserta
    Peserta DB (PGVector)
    Peserta Openai (API)
    Klien->> fungsi tepi: {query: lorem ispum}
    kritis 3. Lakukan pencarian kesamaan vektor
        Fungsi tepi->> OpenAi (API): Buat embedding untuk kueri
        OpenAI (API)->> Fungsi tepi: embedding vector (1536)
        Fungsi Edge->> DB (PGVector): Pencarian Kesamaan Vektor
        DB (PGVector)->> Fungsi Edge: Konten dokumen yang relevan
    akhir
    kritis 4. menyuntikkan konten ke dalam prompt
        Fungsi Edge->> OpenAi (API): Permintaan Penyelesaian Prompt: Kueri + Konten dokumen yang relevan
        OpenAI (API)->> Klien: Teks/Event-stream: Respons Penyelesaian
    akhir

File yang relevan untuk ini adalah komponen SearchDialog (klien) dan vector-search (fungsi tepi).

Inisialisasi database, termasuk pengaturan ekstensi pgvector disimpan dalam folder supabase/migrations yang secara otomatis diterapkan pada instance postgres lokal Anda saat menjalankan supabase start .

Pengembangan Lokal

Konfigurasi

cp .env.example .env
Atur OPENAI_KEY Anda di file .env yang baru dibuat.
Setel NEXT_PUBLIC_SUPABASE_ANON_KEY dan SUPABASE_SERVICE_ROLE_KEY run:
Catatan: Anda harus menjalankan Supabase untuk mengambil kunci.

Mulai Supabase

Pastikan Anda memiliki Docker yang diinstal dan berjalan secara lokal. Lalu jalankan

supabase start

Untuk mengambil NEXT_PUBLIC_SUPABASE_ANON_KEY dan SUPABASE_SERVICE_ROLE_KEY run:

supabase status

Mulai aplikasi Next.js

Di jendela terminal baru, jalankan

pnpm dev

Menggunakan dokumen .mdx kustom Anda

Secara default dokumentasi Anda harus dalam format .mdx . Ini dapat dilakukan dengan mengganti nama file .md yang ada (atau kompatibel).
Jalankan pnpm run embeddings untuk meregenerasi embeddings.
Catatan: Pastikan Supabase sedang berjalan. Untuk memeriksa, jalankan supabase status . Jika tidak menjalankan supabase start .
Jalankan pnpm dev lagi untuk menyegarkan NextJs LocalHost: 3000 Rendered Page.