law cn ai

ผู้ช่วยกฎหมาย AI

แหล่งเอกสารทางกฎหมายที่มา: https://github.com/lawrefbook/laws

เทมเพลตโครงการ: https://github.com/supabase-community/nextjs-openai-doc-search

โครงการนี้ใช้ไฟล์ .mdx ทั้งหมดจากไดเรกทอรี pages และประมวลผลลงในบริบทที่กำหนดเองสำหรับใช้ในการแจ้งเตือนการเติมข้อความอัตโนมัติของ OpenAI

สนุกมากขึ้น

ผู้ช่วยการเขียนอัจฉริยะ	สารานุกรม AI	เครื่องกำเนิดไฟฟ้า
ผู้เชี่ยวชาญด้านการแปล AI	❤รางวัลและการสนับสนุน❤

ปรับใช้

ปรับใช้สตาร์ทเตอร์นี้กับ Vercel การรวม Supabase ตั้งค่าตัวแปรสภาพแวดล้อมที่ต้องการโดยอัตโนมัติและกำหนดค่าโปรไฟล์ฐานข้อมูลของคุณ คุณเพียงแค่ต้องตั้ง OPENAI_KEY และคุณพร้อมที่จะไป!

โปสเตอร์ขี้เกียจเกินไปขอบคุณ Gojun ที่ช่วยเขียนบทช่วยสอน: https://eibot3u32o.feishu.cn/docx/l46pdp3fjouvxanzpckckctno3

รายละเอียดทางเทคนิค

การสร้าง CHATGPT แบบกำหนดเองของคุณเองเกี่ยวข้องกับสี่ขั้นตอน:

1. pages .mdx
2. [?
3. [?
4. [?

?

ขั้นตอนที่ 1 และ 2 เกิดขึ้นในเวลาที่สร้างเช่นเมื่อ Vercel สร้างแอปพลิเคชัน next.js ของคุณ ในเวลานี้สคริปต์ generate-embeddings จะดำเนินการซึ่งดำเนินการต่อไปนี้:

 ลำดับ
    vercel ผู้เข้าร่วม
    DB ผู้เข้าร่วม (PGVECTOR)
    ผู้เข้าร่วม OpenAI (API)
    ลูป 1. การประมวลผลล่วงหน้าฐานความรู้ vercel->> vercel: แบ่งหน้า. mdx ออกเป็นส่วนหนึ่งของลูป 2. สร้างและจัดเก็บ vercel ฝัง->> openai (api): สร้าง embed openai (API) สำหรับส่วนหน้า->> vercel: เวกเตอร์ฝัง (1536)
            vercel->> db (pgvector): ฝังส่วนท้ายของส่วนหน้า
    จบ

นอกเหนือจากการจัดเก็บเวกเตอร์ที่ฝังอยู่แล้วสคริปต์นี้จะสร้างการตรวจสอบสำหรับไฟล์ .mdx แต่ละไฟล์และเก็บไว้ในตารางฐานข้อมูลอื่นเพื่อให้แน่ใจว่าเวกเตอร์ฝังจะถูกสร้างใหม่เฉพาะในกรณีที่ไฟล์เปลี่ยนไป

?

ขั้นตอนที่ 3 และ 4 เกิดขึ้นที่รันไทม์เช่นเมื่อผู้ใช้ส่งปัญหา เมื่อสิ่งนี้เกิดขึ้นให้ดำเนินการชุดของงานต่อไปนี้:

 ลำดับ
    ลูกค้าผู้เข้าร่วม
    ฟังก์ชั่น Edge ผู้เข้าร่วม
    DB ผู้เข้าร่วม (PGVECTOR)
    ผู้เข้าร่วม OpenAI (API)
    ไคลเอนต์->> ฟังก์ชั่นขอบ: {Query: Lorem ispum}
    วิกฤต 3. ทำฟังก์ชั่นขอบการค้นหาเวกเตอร์ความคล้ายคลึงกัน ->> openai (API): สร้าง OpenAI แบบฝังตัว (API) สำหรับการสืบค้น ->> ฟังก์ชั่นขอบ: เวกเตอร์ฝัง (1536)
        ฟังก์ชั่นขอบ->> db (pgvector): เวกเตอร์การค้นหาความคล้ายคลึงกัน db (pgvector)->> ฟังก์ชั่นขอบ: เนื้อหาเอกสารที่เกี่ยวข้องสิ้นสุด
    วิกฤต 4. การฉีดเนื้อหาลงในฟังก์ชั่นขอบพรอมต์->> openai (API): การร้องขอที่สมบูรณ์พร้อมคำสั่ง: การสืบค้น + เนื้อหาเอกสารที่เกี่ยวข้อง OpenAI (API)->> ไคลเอนต์: ข้อความ/เหตุการณ์สตรีม: เสร็จสิ้นการตอบสนองอัตโนมัติ

นี่คือไฟล์ที่เกี่ยวข้องที่รับผิดชอบส่วนประกอบ SearchDialog（客户端） และ vector-search（边缘函数）

การเริ่มต้นของฐานข้อมูลรวมถึงการตั้งค่าสำหรับส่วนขยาย pgvector จะถูกเก็บไว้ในโฟลเดอร์ supabase/migrations และจะถูกนำไปใช้กับอินสแตนซ์ PostgreSQL ในท้องถิ่นโดยอัตโนมัติเมื่อ supabase start ทำงาน

การพัฒนาท้องถิ่น

การกำหนดค่า

• cp .env.example .env
• ตั้ง OPENAI_KEY ในไฟล์. .env ที่สร้างขึ้นใหม่

เริ่ม supabase

ตรวจสอบให้แน่ใจว่ามีการติดตั้งและทำงานในพื้นที่ จากนั้นวิ่ง

npx supabase start

เริ่มต้นแอปพลิเคชัน next.js

ทำงานในหน้าต่างเทอร์มินัลใหม่

pnpm dev

ปรับใช้

เพียงแค่ปรับใช้สตาร์ทเตอร์นี้กับ Vercel การรวม Supabase ตั้งค่าตัวแปรสภาพแวดล้อมที่ต้องการโดยอัตโนมัติและกำหนดค่าสคีมาฐานข้อมูลของคุณ คุณเพียงแค่ต้องตั้งค่า OPENAI_KEY และเริ่มต้น!

เรียนรู้เพิ่มเติม

• อ่านโพสต์บล็อกของเราเกี่ยวกับวิธีการสร้างเอกสาร Supabase Chatgpt
• [เอกสาร] PGVECTOR: การฝังและฟังก์ชั่นความคล้ายคลึงกันของเวกเตอร์
• ดูวิดีโอ "How I Built This" ของ Greg เกี่ยวกับช่องทาง Rabbit Hole Syndrome YouTube:

此文件由 ChatGPT 提供翻译

ประวัติดาว