Site RAG

网站上问答的镀铬扩展

＃网站抹布

[演示视频]（https://www.loom.com/share/2EE8496A1777774577B2684D6B2981BD1A）

！[网站rag chrome扩展名的屏幕截图]（./ public/screenshot.png）

用于网站提出问题的镀铬扩展。网站抹布可以索引网站的一页，也可以爬行整个网站。然后，它为索引文档生成嵌入式，并将它们存储在矢量存储数据库中。

当用户提出问题时，网站抹布将从当前页面中获取相关文档，或者整个站点（可自定义）。

＃＃ 要求

- [拟人API键]（https://console.anththropic.com/） - for llm聊天一代
- [openai api键]（https：//platform.openai.com/） - 用于嵌入
- [supabase帐户]（https：//supabase.com/） - vector Store

＃＃ 设置

首先，克隆存储库：

``bash
git克隆https://github.com/bracesproul/site-rag.git
````````

``bash
CD位置摊位
````````

然后，安装依赖项：

``bash
纱线安装
````````

并构建：

``bash
纱线构建
````````

###矢量商店

要设置矢量存储，您需要创建一个supabase数据库。然后，在SQL编辑器中，运行以下内容：

````sql
- 启用PGVECTOR扩展以与嵌入向量一起工作
创建扩展向量；

- 创建一个表来存储您的文档
创建表文档（
ID BigSerial主钥匙，
内容文本， - 对应于document.pagecontent
元数据JSONB，对应于document.metadata
嵌入向量（3072）-3072适用于OpenAI嵌入，如果需要，请更改
）；

- 创建一个函数以搜索文档
创建函数match_documents（
query_embedding vector（3072），
match_count int默认null，
filter jsonb默认'{}'
）返回表（
id bigint，
内容文字，
元数据JSONB，
嵌入JSONB，
相似性浮动
）
语言PLPGSQL
作为$$
#variable_conflict use_column
开始
返回查询
选择
ID，
内容，
元数据，
（嵌入:: text）:: jsonb作为嵌入，
1-（documents.embedding <=> query_embedding）作为相似性
从文件
元数据 @>过滤器
通过文档订购<=> query_embedding
限制match_count;
结尾;
$$;

````````

＃＃ 用法

要使用扩展名，请转到[Chrome：// extensions/]（Chrome：// extensions/），然后单击“加载打开包装”。从那里，选择此存储库的“ Dist”目录。

加载后，打开扩展名并访问设置页面。在这里，您可以添加API键和Supabase凭据。您还可以自定义索引设置，例如块大小和重叠。