AI与向量

最佳的向量数据库就是您已有的数据库。

Supabase 提供了一套开源工具包，用于利用 Postgres 和 pgvector 开发 AI 应用。使用 Supabase 客户端库可以大规模存储、索引和查询向量嵌入。

该工具包包含：

• 基于 Postgres 和 pgvector 的向量存储与嵌入支持
• 用于管理非结构化嵌入的Python客户端
• 直接在边缘函数中使用开源模型的嵌入生成流程
• 用于管理结构化嵌入的数据库迁移
• 与所有主流 AI 提供商的集成，包括 OpenAI、Hugging Face、LangChain 等

搜索功能

您可以使用 Supabase 为应用构建多种搜索功能：

• 语义搜索：根据含义而非精确关键词搜索
• 关键词搜索：通过单词或短语搜索
• 混合搜索：结合语义搜索与关键词搜索

示例

查看我们 GitHub 仓库中的所有 AI 模板和示例。

无头向量搜索

在知识库嵌入向量上执行相似性搜索的工具包

使用 OpenAI CLIP 实现图像搜索

通过 OpenAI CLIP 模型和 Supabase Vector 实现图像搜索

Hugging Face 推理

使用 Hugging Face 生成图像描述

OpenAI 文本补全

在边缘函数中使用 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 实现向量搜索

学习如何通过 Next.js、OpenAI 和 Supabase 构建类似 ChatGPT 的文档搜索功能

集成方案

客户案例