rag_supabase

这个模板用于执行带有Supabase的RAG。

Supabase是一个开源的Firebase替代品。它构建在PostgreSQL之上，这是一个免费且开源的关系数据库管理系统（RDBMS），并使用pgvector在您的表中存储嵌入向量。

环境设置

将OPENAI_API_KEY环境变量设置为访问OpenAI模型。

要获取您的OPENAI_API_KEY，请转到您的OpenAI帐户的API密钥页面并创建一个新的密钥。

要找到您的SUPABASE_URL和SUPABASE_SERVICE_KEY，请转到您的Supabase项目的API设置页面。

SUPABASE_URL对应项目URL
SUPABASE_SERVICE_KEY对应service_role API密钥

export SUPABASE_URL=
export SUPABASE_SERVICE_KEY=
export OPENAI_API_KEY=

设置Supabase数据库

如果您还没有设置Supabase数据库，请按照以下步骤进行设置。

前往https://database.new来创建您的Supabase数据库。

在工作室中，跳转到SQL编辑器并运行以下脚本以启用pgvector并将您的数据库设置为向量存储：

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

-- 创建一个表来存储您的文档
create table
  documents (
    id uuid primary key,
    content text, -- 对应Document.pageContent
    metadata jsonb, -- 对应Document.metadata
    embedding vector (1536) -- 1536适用于OpenAI嵌入向量，根据需要进行更改
  );

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

设置环境变量

由于我们使用SupabaseVectorStore和OpenAIEmbeddings，我们需要加载它们的API密钥。

使用方法

首先，安装LangChain CLI：

pip install -U langchain-cli

要创建一个新的LangChain项目并将其作为唯一的包安装，可以执行以下操作：

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

如果要将其添加到现有项目中，只需运行：

langchain app add rag-supabase

并将以下代码添加到您的server.py文件中：

from rag_supabase.chain import chain as rag_supabase_chain

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

（可选）现在让我们配置LangSmith。 LangSmith将帮助我们跟踪、监视和调试LangChain应用程序。 LangSmith目前处于私有测试版，您可以在此处注册。如果您没有访问权限，可以跳过此部分。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为"default"

如果您在此目录中，则可以直接启动LangServe实例：

langchain serve

这将在本地启动FastAPI应用程序，服务器正在http://localhost:8000上运行。

我们可以在http://127.0.0.1:8000/docs上查看所有模板。我们可以在http://127.0.0.1:8000/rag-supabase/playground上访问playground。

我们可以通过以下代码访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/rag-supabase")

TODO：添加有关设置Supabase数据库的详细信息

rag_supabase

环境设置​

设置Supabase数据库​

设置环境变量​

使用方法​

环境设置

设置Supabase数据库

设置环境变量

使用方法