law cn ai

AI Assistente Jurídico

Fonte do documento legal: https://github.com/lawrefbook/laws

Modelo de projeto: https://github.com/supabase-community/nextjs-openai-doc-search

Este projeto pega todos os arquivos .mdx do diretório pages e os processa em um contexto personalizado para uso em prompts de preenchimento autocompleto de texto open.

Mais diversão

Assistente de redação inteligente	Enciclopédia da IA	Gerador rápido
Especialista em tradução da IA	❤️ Recompensa e patrocínio ❤️

implantar

Implante este iniciador para o Vercel. A Integração Supabase define automaticamente as variáveis ​​de ambiente necessárias e configura o perfil do seu banco de dados. Você só precisa definir OPENAI_KEY e está pronto para ir!

O pôster é preguiçoso demais, obrigado a Gojun por ajudar a escrever o tutorial: https://eibot3u32o.feishu.cn/docx/l46pdp3fjoupuvxanzpckctno3

Detalhes técnicos

Construir seu próprio chatgpt personalizado envolve quatro etapas:

1. pages .mdx
2. [?
3. [?
4. [Tempo de execução] Injete o conteúdo no OpenAi GPT-3 Texto AutoCompleto e o fluxo de respostas ao cliente.

?

As etapas 1 e 2 ocorrem no horário de construção, como quando o Vercel constrói seu próximo aplicativo.js. No momento, o script generate-embeddings é executado, que executa as seguintes tarefas:

 Sequenciadoiagram
    Participante Vercel
    DB participante (PGVector)
    Participante Openai (API)
    LOOP 1. VERECEL BASE DE CONHECIMENTO PROCUSING->> VERCEL: Divida a página .mdx em loop 2. Crie e armazene o VERCEL INCORD->> OpenAI (API): Crie Incorpore OpenAi (API) para a parte da página->> VERCEL: VECTOR INCORD (1536)
            VERCEL->> dB (PGVector): Incorporar o final da parte da página
    fim

Além de armazenar os vetores incorporados, esse script gera uma soma de verificação para cada arquivo .mdx e o armazena em outra tabela de banco de dados para garantir que os vetores incorporados sejam regenerados apenas se o arquivo for alterado.

Tempo de execução

As etapas 3 e 4 ocorrem em tempo de execução, ou seja, quando o usuário envia o problema. Quando isso acontecer, execute a seguinte série de tarefas:

 Sequenciadoiagram
    cliente participante
    Função de borda do participante
    DB participante (PGVector)
    Participante Openai (API)
    Cliente->> Função de borda: {Query: Lorem Ispum}
    Crítico 3. Execute a função de borda de pesquisa de similaridade vetorial ->> OpenAI (API): Crie um OpenAI incorporado (API) para uma consulta ->> Função de borda: Vector incorporado (1536)
        Função de borda->> db (pgvector): busca de similaridade vetorial db (pgvector)->> Função da borda: final de documento relacionado final
    Crítico 4. Injetar conteúdo na função de borda imediata->> OpenAI (API): Prompt de solicitação completa: Consulta + Conteúdo do documento relacionado OpenAI (API)->> Cliente: Texto/Evento-Stream: Conclusão Automática do End Response Fim

Este é o arquivo relevante responsável pelo componente SearchDialog（客户端） e vector-search（边缘函数） .

A inicialização do banco de dados, incluindo as configurações pgvector , é armazenada na pasta supabase/migrations e é aplicada automaticamente à instância local do PostGresql quando supabase start é executado.

Desenvolvimento local

Configuração

• cp .env.example .env
• Defina OPENAI_KEY no arquivo .env recém -criado.

Inicie Supabase

Verifique se o Docker está instalado e executando localmente. Em seguida, corra

npx supabase start

Inicie o Aplicativo Next.js

Execute em uma nova janela do terminal

pnpm dev

implantar

Basta implantar este iniciante no vercel. A integração Supabase define automaticamente as variáveis ​​de ambiente necessárias e configura seu esquema de banco de dados. Você só precisa definir OPENAI_KEY e começar!

saber mais

• Leia o nosso blog sobre como criamos a documentação do Supabase ChatGPT.
• [DOCs] PGVECTOR: funções de incorporação e similaridade vetorial.
• Assista ao vídeo "How I Build This", de Greg, sobre o canal do YouTube da síndrome do rabbit:

此文件由 ChatGPT 提供翻译

História da estrela