headless vector search

無頭矢量搜索

為任何文檔網站提供矢量/相似性搜索。它是無頭的，因此您可以將其集成到現有網站中。

它的工作原理：

• 此回購將您數據庫內的新docs架構初始化。
• 隨附的github操作將您的降價文檔攝入數據庫作為嵌入。
• 此存儲庫提供了一個可以處理用戶查詢的邊緣功能，將其轉換為類似於Chatgpt的響應。

技術堆棧：

• supabase：數據庫和邊緣功能。
• Openai：嵌入和完成。
• GitHub動作：用於攝入您的Markdown文檔。

設定

首先創建一個新的supabase項目：database.new。

1. 克隆這個倉庫
2. 將存儲庫鏈接到您的遠程項目： supabase link --project-ref XXX
3. 應用數據庫遷移： supabase db push
4. 將OpenAi鍵設置為秘密： supabase secrets set OPENAI_API_KEY=sk-xxx
5. 部署邊緣功能： supabase functions deploy --no-verify-jwt
6. 通過Supabase儀表板設置> API Settings >裸露docs Exposed schemas
7. 設置supabase-vector-embeddings github在您的知識庫存儲庫中的作用。在GitHub操作運行後，您將看到數據庫中填充的嵌入。

用法

1. 在儀表板的功能部分中找到vector-search邊緣函數的URL。
2. 在您的申請中，您可以將用戶查詢發送到此端點，以接收OpenAI的流響應。

請參閱捲曲示例

 curl -i --location --request GET ' https://your-project-ref.functions.supabase.co/vector-search?query=What%27s+Supabase%3F '

請參閱Eventsource示例

 const onSubmit = ( e : Event ) => {
  e . preventDefault ( )
  answer . value = ""
  isLoading . value = true

  const query = new URLSearchParams ( { query : inputRef . current ! . value } )
  const projectUrl = `https://your-project-ref.functions.supabase.co`
  const queryURL = ` ${ projectURL } / ${ query } `
  const eventSource = new EventSource ( queryURL )

  eventSource . addEventListener ( "error" , ( err ) => {
    isLoading . value = false
    console . error ( err )
  } )
  
  eventSource . addEventListener ( "message" , ( e : MessageEvent ) => {
    isLoading . value = false

    if ( e . data === "[DONE]" ) {
      eventSource . close ( )
      return
    }

    const completionResponse : CreateCompletionResponse = JSON . parse ( e . data )
    const text = completionResponse . choices [ 0 ] . text

    answer . value += text
  } ) ;

  isLoading . value = true
} 

展示櫃

• docs.supabase.com-使用cmd+k訪問。

執照

麻省理工學院