store GetQuery vectors openai js

Openai APIを使用したCustom-chatgpt

このリポジトリには、openai埋め込みとJavaScriptを使用してSupabaseを使用して独自のデータを保存および照会する方法に関するコードが含まれています。

前提条件

開始する前に、次のセットアップがあることを確認してください。

• node.jsインストール
• 構成されたデータベースを備えたSupabaseアカウント
• Openai APIキー

インストール

1. リポジトリをクローンします：

   git clone https://github.com/muzammildafedar/custom-chatgpt-using-js.git
   cd your-repo

2. 依存関係をインストールします：

   npm install openai
   npm install @supabase/supabase-js

構成

コードのプレースホルダー値を実際のサパバーズとOpenai資格情報に置き換えます。

 const supabaseUrl = 'Your Supabase URL' ;
const supabaseKey = 'Your Supabase API Key' ;
const openaiConfig = {
    apiKey : 'Your OpenAI API Key' ,
} ; 

コード関数

storeembeding（タイトル、ボディ、埋め込み）説明：提供されたタイトル、ボディ、および埋め込みをサパベースデータベースに保存します。

queryembedings（query、matchthreshold、matchcount）説明：提供されたクエリ、しきい値、およびcountに一致する埋め込みのためのsupabase supabase。

GetAnswer（Query、投稿）説明：提供されたクエリとマッチングドキュメントに基づいて、Openai GPT-3.5から回答を生成します。

DBスキーマ

埋め込みを保存するテーブルを作成します

 create table posts (
  id serial primary key,
  title text not null,
  body text not null,
  embedding vector(1536)
);

埋め込みにOpenaiを「フックアップ」するには、Postgresで関数を作成する必要があります。ベクトルが与えられたときに最も近い一致する値が見つかります。

 create or replace function match_posts (
    query_embedding vector(1536),
    match_threshold float,
    match_count int
  )
  returns table (
    id bigint,
    body text,
    title text,
    similarity float
  )
  language sql stable
  as $$
    select
      posts.id,
      posts.body,
      posts.title,
      1 - (posts.embedding <=> query_embedding) as similarity
    from posts
    where 1 - (posts.embedding <=> query_embedding) > match_threshold
    order by similarity desc
    limit match_count;
  $$;

さらに、投稿テーブルにインデックスを作成して、クエリを高速化できます。

 create index on posts using ivfflat (embedding vector_cosine_ops)
with
  (lists = 100);