探索 Supabase 与 PostgreSQL：开源数据库中的 AI 应用

探索 Supabase 与 PostgreSQL：开源数据库中的 AI 应用

引言

在大数据和 AI 驱动的时代，数据库的选择在应用程序的性能和可扩展性上起到至关重要的作用。Supabase 是一个引人注目的开源替代方案，与 Firebase 类似，但使用 PostgreSQL 作为其基础数据库。本文将探讨如何使用 Supabase 和 PostgreSQL 的 pgvector 扩展来开发 AI 应用，并提供一个代码示例，展示如何构建自查询检索器。

主要内容

1. 创建 Supabase 数据库与启用 pgvector

要开始使用 Supabase，我们首先需要为我们的项目设置一个数据库，并启用 pgvector 扩展：

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

-- 创建一个表来存储文档
create table
  documents (
    id uuid primary key,
    content text, -- 对应于 Document.pageContent
    metadata jsonb, -- 对应于 Document.metadata
    embedding vector (1536) -- 适用于 OpenAI 嵌入，必要时可更改
  );

-- 创建一个函数搜索文档
create function match_documents (
  query_embedding vector (1536),
  filter jsonb default '{}'
) returns table (
  id uuid,
  content text,
  metadata jsonb,
  similarity float
) language plpgsql as $$
#variable_conflict use_column
begin
  return query
  select
    id,
    content,
    metadata,
    1 - (documents.embedding <=> query_embedding) as similarity
  from documents
  where metadata @> filter
  order by documents.embedding <=> query_embedding;
end;
$$;

2. 准备和加载文档

我们需要将一些示例文档加载到我们的数据库中。这些文档将用于我们的向量存储。

3. 构建自查询检索器

使用 SupabaseVectorStore 和 OpenAIEmbeddings 可以轻松创建一个支持自查询的检索器：

from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import OpenAI

metadata_field_info = [
    AttributeInfo("genre", "The genre of the movie", "string or list[string]"),
    AttributeInfo("year", "The year the movie was released", "integer"),
    AttributeInfo("director", "The name of the movie director", "string"),
    AttributeInfo("rating", "A 1-10 rating for the movie", "float"),
]
document_content_description = "Brief summary of a movie"
llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
    llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)

代码示例

以下是使用自查询检索器的示例：

# 询问一些关于恐龙的电影
retriever.invoke("What are some movies about dinosaurs")

常见问题和解决方案

网络访问问题

由于某些地区的网络限制，访问 Supabase 或 OpenAI API 时可能需要使用 API 代理服务以提高访问稳定性。

API 秘钥管理

确保将 API 密钥安全存储在 .env 文件中，并使用 dotenv 库来加载它们。

总结与进一步学习资源

通过本文的介绍，我们看到了如何利用 Supabase 与 PostgreSQL 进行 AI 应用开发。如果你想深入了解，可以查看以下资源：

• Supabase Documentation
• pgvector GitHub Repository
• Langchain Documentation

参考资料

• Supabase 官方文档
• PostgreSQL 社区资源
• Langchain 开发指南

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

—END—