store GetQuery vectors openai js

Custom-Chatgpt พร้อม Openai API's

ที่เก็บนี้มีรหัสสำหรับวิธีการจัดเก็บและสอบถามข้อมูลของคุณเองโดยใช้ OpenAI EMBEDDINGS และ SUPABASE โดยใช้ JavaScript

ข้อกำหนดเบื้องต้น

ก่อนที่คุณจะเริ่มตรวจสอบให้แน่ใจว่าคุณมีการตั้งค่าต่อไปนี้:

• ติดตั้ง node.js
• บัญชี Supabase พร้อมฐานข้อมูลที่กำหนดค่า
• คีย์ Openai API

การติดตั้ง

1. โคลนที่เก็บ:

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

2. ติดตั้งการพึ่งพา:

   npm install openai
   npm install @supabase/supabase-js

การกำหนดค่า

แทนที่ค่าตัวยึดในรหัสด้วยข้อมูลรับรอง Supabase และ OpenAI ที่แท้จริงของคุณ:

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

ฟังก์ชันรหัส

StoreEmbedding (ชื่อ, ร่างกาย, การฝัง) คำอธิบาย: เก็บชื่อเรื่องร่างกายและการฝังในฐานข้อมูล Supabase

QueryEmbeddings (Query, MatchThreshold, MatchCount) คำอธิบาย: Queries Supabase สำหรับ Embeddings ที่ตรงกับการสืบค้น, Threshold และ Count

Getanswer (คำถาม, โพสต์) คำอธิบาย: สร้างคำตอบจาก OpenAI GPT-3.5 ตามแบบสอบถามที่ให้ไว้และเอกสารที่จับคู่

DB Schema

สร้างตารางเพื่อจัดเก็บ embeddings

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

เพื่อที่จะ "เชื่อมต่อ" openai กับการฝังตัวของเราเราจำเป็นต้องสร้างฟังก์ชั่นใน postgres ค้นหาค่าการจับคู่ที่ใกล้เคียงที่สุดเมื่อได้รับเวกเตอร์

 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 $$
    select
      posts.id,
      posts.body,
      posts.title,
      1 - (posts.embedding <=> query_embedding) as similarity
    from posts
    where 1 - (posts.embedding <=> query_embedding) > match_threshold
    order by similarity desc
    limit match_count;
  $$;

นอกจากนี้เราสามารถสร้างดัชนีบนตารางโพสต์ของเราเพื่อเร่งความเร็วแบบสอบถาม

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