headless vector search
1.0.0
모든 문서 사이트에 대한 벡터/유사성 검색을 제공합니다. 헤드리스이므로 기존 웹 사이트에 통합 할 수 있습니다.
docs
스키마를 초기화합니다.새로운 Supabase 프로젝트를 작성하여 시작하십시오 : Database.new.
supabase link --project-ref XXX
supabase db push
supabase secrets set OPENAI_API_KEY=sk-xxx
supabase functions deploy --no-verify-jwt
API Settings
> Exposed schemas
에서 API를 통해 docs
스키마 노출supabase-vector-embeddings
Github 액션 설정. GitHub 작업이 실행 된 후 데이터베이스에 포함 된 임베딩이 표시됩니다. vector-search
에지 함수의 URL을 찾으십시오. curl -i --location --request GET ' https://your-project-ref.functions.supabase.co/vector-search?query=What%27s+Supabase%3F '
const onSubmit = ( e : Event ) => {
e . preventDefault ( )
answer . value = ""
isLoading . value = true
const query = new URLSearchParams ( { query : inputRef . current ! . value } )
const projectUrl = `https://your-project-ref.functions.supabase.co`
const queryURL = ` ${ projectURL } / ${ query } `
const eventSource = new EventSource ( queryURL )
eventSource . addEventListener ( "error" , ( err ) => {
isLoading . value = false
console . error ( err )
} )
eventSource . addEventListener ( "message" , ( e : MessageEvent ) => {
isLoading . value = false
if ( e . data === "[DONE]" ) {
eventSource . close ( )
return
}
const completionResponse : CreateCompletionResponse = JSON . parse ( e . data )
const text = completionResponse . choices [ 0 ] . text
answer . value += text
} ) ;
isLoading . value = true
}
MIT