headless vector search
1.0.0
ให้การค้นหาเวกเตอร์/ความคล้ายคลึงกันสำหรับเว็บไซต์เอกสารใด ๆ มันไม่มีความมุ่งหน้าเพื่อให้คุณสามารถรวมเข้ากับเว็บไซต์ที่มีอยู่ของคุณ
docs ใหม่ภายในฐานข้อมูลของคุณเริ่มต้นด้วยการสร้างโครงการ Supabase ใหม่: Database.new
supabase link --project-ref XXXsupabase db pushsupabase secrets set OPENAI_API_KEY=sk-xxxsupabase functions deploy --no-verify-jwtdocs ผ่าน API ในการตั้งค่าแดชบอร์ด Supabase> API Settings > Exposed schemassupabase-vector-embeddings การกระทำของ GitHub ใน repo ฐานความรู้ของคุณ คุณจะเห็น Embeddings ที่มีอยู่ในฐานข้อมูลของคุณหลังจากการกระทำของ GitHub ทำงานแล้ว vector-search ในส่วนฟังก์ชั่นของแดชบอร์ด 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
} มิกซ์
