使用 Supabase 和 pgvector 创建自查询检索器

在本文中，我们将深入了解如何使用 Supabase 和 pgvector 搭建一个强大的自查询检索器。Supabase 是一个开源的 Firebase 替代方案，构建于 PostgreSQL 之上，拥有强大的 SQL 查询功能。我们将演示如何在 Supabase 环境中使用其向量存储来存储、索引和查询向量嵌入。

技术背景介绍

Supabase 提供了一套开源工具，支持使用 PostgreSQL 和 pgvector 来开发 AI 应用。PostgreSQL 强调可扩展性和 SQL 合规性，而 pgvector 扩展则允许我们处理嵌入向量，非常适合 AI 应用中的向量存储需求。

核心原理解析

使用 Supabase Vector Store 可以高效地存储和检索文档。通过将文档嵌入向量化并存储在数据库中，我们可以快速执行相似度搜索。这对于实现自查询检索器是至关重要的。

代码实现演示

在本节中，我们将全程演示如何：

1. 配置 Supabase 数据库
2. 启用 pgvector 扩展
3. 创建并初始化文档表和匹配函数
4. 使用 Supabase 和 OpenAI 的 API 进行向量存储和检索

-- 在 Supabase 中启用 pgvector 扩展
create extension if not exists vector;

-- 创建文档表以存储文档的向量嵌入
create table
  documents (
    id uuid primary key,
    content text,
    metadata jsonb,
    embedding vector (1536)</