langchain supabase website chatbot ดาวน์โหลด - langchain supabase website chatbot ซอร์สโค้ดดาวน์โหลด

langchain supabase website chatbot

ซอร์สโค้ดอื่น ๆ

1.0.0

ดาวน์โหลด

Langchain & Supabase - สร้าง chatgpt chatbot สำหรับเว็บไซต์ของคุณ

สร้าง chatgpt chatbot สำหรับเว็บไซต์ของคุณโดยใช้ Langchain, Supabase, typeScript, OpenAI และ Next.js. Langchain เป็นเฟรมเวิร์กที่ทำให้แอพ AI/LLM ปรับขนาดได้ง่ายขึ้น Supabase เป็นฐานข้อมูล Postgres โอเพนซอร์สที่สามารถจัดเก็บการฝังตัวโดยใช้ส่วนขยายเวกเตอร์ PG

วิดีโอการสอน

ติดต่อผ่าน Twitter หากคุณต้องการความช่วยเหลือ

คู่มือภาพของ repo และการสอนนี้อยู่ในโฟลเดอร์ visual guide

การพัฒนา

โคลน repo

 git clone [github https url]

ติดตั้งแพ็คเกจ

 pnpm install

ตั้งค่าไฟล์ .env ของคุณ

คัดลอก .env.local.example เป็น .env ไฟล์ .env ของคุณควรมีลักษณะเช่นนี้:

 OPENAI_API_KEY=

NEXT_PUBLIC_SUPABASE_URL=
NEXT_PUBLIC_SUPABASE_ANON_KEY=
SUPABASE_SERVICE_ROLE_KEY=

เยี่ยมชม OpenAI เพื่อดึงคีย์ API และแทรกลงในไฟล์. .env ของคุณ
เยี่ยมชม supabase เพื่อสร้างฐานข้อมูลและดึงคีย์ของคุณในแผงควบคุมผู้ใช้ตามคำแนะนำเอกสารเอกสาร

ในโฟลเดอร์ config ให้แทนที่ URL ในอาร์เรย์ด้วย URL เว็บไซต์ของคุณ (สคริปต์ต้องใช้ URL มากกว่าหนึ่ง URL)
ใน utils/custom_web_loader.ts ภายในฟังก์ชั่น load แทนที่ค่าของ title date และ content ด้วยองค์ประกอบ CSS ของข้อความที่คุณต้องการแยกจากหน้าเว็บที่กำหนด คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับวิธีใช้ Cheerio ได้ที่นี่

คุณสามารถเพิ่มองค์ประกอบที่กำหนดเองของคุณไปยังข้อมูลเมตาเพื่อตอบสนองความต้องการของคุณโปรดทราบว่ารูปแบบโหลดเดอร์เริ่มต้นตามที่คาดว่าจะมีอย่างน้อยสตริงสำหรับ pageContent และ metadata ที่มีคุณสมบัติ source เป็นค่าที่ส่งคืน:

 async load(): Promise<Document[]>{
  const $ = await this.scrape();
      const text = $("body").text();
    const metadata = { source: this.webPath };
    return [new Document({ pageContent: text, metadata })];
  }

pageContent และ metadata จะถูกเก็บไว้ในตารางฐานข้อมูล Supabase ของคุณในภายหลัง

คัดลอกและเรียกใช้ schema.sql ในตัวแก้ไข Supabase SQL ของคุณ

ข้ามตรวจสอบตาราง documents มีอยู่ในฐานข้อมูลเช่นเดียวกับฟังก์ชัน match_documents

- คำแนะนำสำหรับการขูดและฝัง

ในการเรียกใช้สคริปต์การขูดและฝังใน scripts/scrape-embed.ts เพียงแค่เรียกใช้:

npm run scrape-embed

สคริปต์นี้จะเยี่ยมชม URL ทั้งหมดที่ระบุไว้ในโฟลเดอร์ config และแยกข้อมูลที่คุณระบุในไฟล์ custom_web_loader.ts

จากนั้นจะใช้การฝังตัวของ OpenAI ( text-embedding-ada-002 ) เพื่อแปลงข้อมูลที่ถูกคัดลอกมาเป็นเวกเตอร์

เรียกใช้แอพ

เมื่อคุณตรวจสอบว่าการเพิ่มและเนื้อหาได้รับการเพิ่มลงในตาราง supabase ของคุณสำเร็จคุณสามารถเรียกใช้แอพ npm run dev และพิมพ์คำถามเพื่อถามเว็บไซต์ของคุณ