rag_supabase

此模板使用 Supabase 执行 RAG。

Supabase 是一个开源的 Firebase 替代品。它建立在 PostgreSQL 之上，PostgreSQL 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。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

要获取您的 OPENAI_API_KEY，请导航到您的 OpenAI 账户中的 API 密钥 并创建一个新的密钥。

要找到您的 SUPABASE_URL 和 SUPABASE_SERVICE_KEY，请前往您 Supabase 项目的 API 设置。

• SUPABASE_URL 对应于项目 URL
• SUPABASE_SERVICE_KEY 对应于 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操作。

1. 前往 https://database.new 来配置您的 Supabase 数据库。

2. 在控制台中，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：

   -- Enable the pgvector extension to work with embedding vectors
   create extension if not exists 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 vector (1536) -- 1536 works for OpenAI embeddings, change as needed
     );
   
   -- Create a function to search for documents
   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包安装，可以执行：

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

如果您想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、监控和调试 LangChain 应用程序。 您可以在 这里 注册 LangSmith。 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，则可以直接通过以下方式启动 LangServe 实例：

langchain serve

这将启动 FastAPI 应用程序，服务器在本地运行于 http://localhost:8000

我们可以在 http://127.0.0.1:8000/docs 查看所有模板 我们可以在 http://127.0.0.1:8000/rag-supabase/playground 访问游乐场

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: 添加关于设置 Supabase 数据库的详细信息