supabase vector py

Supabase Vector Store

Этот проект демонстрирует, как использовать Langchain и Supabase для создания векторного хранилища для документов с использованием Enterdings Openai. Текстовые данные разделены на управляемые куски и хранятся в Supabase для эффективного поиска.

Предварительные условия

• Python 3.12
• Pipenv

Установка

1. Клонировать репозиторий:

   git clone https://github.com/yourusername/supabase-vector-store.git
   cd supabase-vector-store

2. Установите зависимости, используя Pipenv:

   pipenv install

3. Создайте файл .env в корневом каталоге и добавьте свои учетные данные Supabase и 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
   

Использование

1. Убедитесь, что у вас есть текстовый файл с именем personal-info.txt в корневом каталоге с контентом, который вы хотите обработать.

2. Установите зависимости, используя Pipenv:

   pipenv install

3. Запустите сценарий:

   pipenv run python vector.py

4. Если сценарий успешно работает, вы должны увидеть сообщение:

    Documents stored successfully.
   

Лицензия

Этот проект лицензирован по лицензии MIT.

Внося

Не стесняйтесь открывать проблемы или отправлять запросы на привлечение улучшений или исправлений ошибок.

Благодарности

• Лангхейн
• Supabase
• Openai