Embedbase

托管的嵌入即服务

更多详情请查看 文档。

是什么

Embedbase 是一个极其简单的 API，帮助您使用 向量数据库 和大语言模型，而无需自行部署和维护！

核心功能

• 生成：使用 .generateText() 调用 9 种以上的 LLM。
• 语义搜索：使用 .add() 创建可进行语义搜索的信息列表，并通过 .search() 执行语义查询。

安装

npm i embedbase-js

import { createClient } from 'embedbase-js'
// 初始化客户端
const embedbase = createClient(
  'https://api.embedbase.xyz',
  '<在 https://app.embedbase.xyz/ 获取密钥>'
)
 
const question =
  '我在找一条既舒适又适合上班和攀岩的裤子'
 
// 在预定义的数据集中搜索相关信息，并返回最相关的结果
const searchResults = await embedbase.dataset('product-ads').search(question)
 
// 将结果转换为字符串，以便在提示词中轻松使用
const stringifiedSearchResults = searchResults
  .map(result => result.data)
  .join('')
 
const answer = await embedbase
  .useModel('openai/gpt-3.5-turbo')
  .generateText(`${stringifiedSearchResults} ${question}`)
 
console.log(answer) // '我建议您可以考虑哈伦裤。哈伦裤以其 ...'

目录

• 快速入门
• JavaScript SDK
• 文档与支持
• 集成
• 贡献

人们正在构建什么

• 推荐引擎：AVA 使用 Embedbase 帮助用户找到相关笔记
• 与您的数据聊天：Solpilot 利用 Embedbase 实现智能合约集成的自动化
• 与您的文档对话：基于 ChatGPT 的 Markdown 文档搜索

开始使用 Embedbase 的最快方式是免费注册 Embedbase Cloud。

文档与支持

请查看我们的 教程，其中包含分步指南、操作说明和最佳实践。我们的文档由 GPT-4 提供支持，因此您可以直接提问。

如需支持，请在我们的 Discord 社区 中提问。

贡献

请阅读 CONTRIBUTING.md，了解我们的行为准则以及提交拉取请求的流程。

Embedbase 快速上手指南

Embedbase 是一个极简的 API 服务，旨在帮助开发者无需自行托管即可轻松使用向量数据库（VectorDB）和大语言模型（LLM）。它支持语义搜索和文本生成功能。

环境准备

• 运行环境：Node.js (推荐 v14 或更高版本)
• 前置依赖：无特殊系统依赖，只需具备 npm 或 yarn 包管理器
• 账号准备：访问 Embedbase Cloud 免费注册并获取 API Key

安装步骤

在项目目录中运行以下命令安装官方 JavaScript SDK：

npm i embedbase-js

基本使用

以下示例展示了如何初始化客户端、进行语义搜索，并结合 LLM 生成回答。

1. 初始化与搜索生成

创建一个新的 JavaScript 文件（例如 index.js），填入以下代码。请将 <grab me here https://app.embedbase.xyz/> 替换为你在控制台获取的真实 API Key。

import { createClient } from 'embedbase-js'

// 初始化客户端
const embedbase = createClient(
  'https://api.embedbase.xyz',
  '<grab me here https://app.embedbase.xyz/>'
)
 
const question =
  'im looking for a nice pant that is comfortable and i can both use for work and for climbing'
 
// 在预定义的数据集 "product-ads" 中搜索最相关的信息
const searchResults = await embedbase.dataset('product-ads').search(question)
 
// 将搜索结果转换为字符串，以便放入提示词中
const stringifiedSearchResults = searchResults
  .map(result => result.data)
  .join('')
 
// 调用 LLM (如 GPT-3.5-turbo) 基于搜索结果生成回答
const answer = await embedbase
  .useModel('openai/gpt-3.5-turbo')
  .generateText(`${stringifiedSearchResults} ${question}`)
 
console.log(answer) 
// 输出示例：'I suggest considering harem pants for your needs. Harem pants are known for their ...'

2. 核心功能说明
   • 语义搜索：使用 .dataset('名称').search(query) 即可在向量数据库中查找语义相关的内容。
   • 文本生成：使用 .useModel('模型名称').generateText(prompt) 调用支持的 9+ 种大模型进行内容生成。

更多详细教程和最佳实践，请访问 官方文档。