MemFire教程｜FastAPI+MemFire Cloud+LangChain开发ChatGPT应用-Part2

本文链接：https://blog.youkuaiyun.com/NimbleX_/article/details/132141177

本文介绍了如何部署基于FastAPI、MemFireCloud和LangChain的GPT知识库示例代码，包括创建MemFireCloud应用、设置环境变量、安装依赖以及运行步骤。详细说明了如何配置参数和访问应用，同时提及了后续可扩展功能如对话支持和文档管理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基本介绍

上篇文章我们讲解了使用FastAPI+MemFire Cloud+LangChain进行GPT知识库开发的基本原理和关键路径的代码实现。目前完整的实现代码已经上传到了github，感兴趣的可以自己玩一下：

https://github.com/MemFire-Cloud/memfirecloud-qa

目前代码主要完成了如下一些基本功能：

使用FastAPI作为Web服务端框架完成了基本的Web服务端开发
使用MemFire Cloud作为向量数据和个人文档数据存储
使用LangChain进行AI应用开发，加载本地磁盘目录上的文档，计算embedding、存储到向量数据库
使用OpenAI的GPT模型，完成问答功能的实现
使用Next.js开发了一个简单的UI界面用于问答演示

本篇文章我们将介绍一下如何部署示例代码。

准备工作

在MemFire Cloud上创建应用，后面需要用到应用的API URL和Service Role Key。可以在应用的应用设置->API页面找到相应的配置

在这里插入图片描述

创建应用后，在应用的SQL执行器页面执行如下脚本

-- Enable the pgvector extension to work with embedding vectors
create extension vector;

-- Create a table to store your documents
create table documents (
    id uuid primary key,
    content text, -- corresponds to Document.pageContent
    metadata jsonb, -- corresponds to Document.metadata
    embedding