AI 与向量

最好的向量数据库就是你已经拥有的数据库。

Supabase 提供了一个开源工具包，用于使用 Postgres 和 pgvector 开发 AI 应用程序。使用 Supabase 客户端库以规模存储、索引和查询你的向量嵌入。

该工具包包括

• 一个 向量存储和使用 Postgres 和 pgvector 的嵌入支持。
• 一个 Python 客户端，用于管理非结构化嵌入。
• 一个 嵌入生成过程，直接在 Edge Functions 中使用开源模型。
• 数据库迁移，用于管理结构化嵌入。
• 与所有流行的 AI 提供商的集成，例如 OpenAI、Hugging Face、LangChain 等。

搜索#

你可以使用 Supabase 为你的应用程序构建不同类型的搜索功能，包括

• 语义搜索：通过含义而不是精确关键字进行搜索
• 关键字搜索：通过单词或短语进行搜索
• 混合搜索：将语义搜索与关键字搜索结合起来

示例#

查看我们在 GitHub 仓库中的所有 AI 模板和示例。

无头向量搜索

一个工具包，用于对你的知识库嵌入执行向量相似性搜索。

使用 OpenAI CLIP 进行图像搜索

使用 OpenAI CLIP 模型和 Supabase Vector 实现图像搜索。

Hugging Face 推理

使用 Hugging Face 生成图像标题。

OpenAI 完成

在 Edge Functions 中使用 OpenAI 生成 GPT 文本补全。

构建 ChatGPT 插件

将 Supabase 用作 ChatGPT 插件的检索存储。

使用 Next.js 和 OpenAI 进行向量搜索

了解如何构建一个由 Next.js、OpenAI 和 Supabase 提供支持的 ChatGPT 风格的文档搜索。

集成#

案例研究#