文章主题：ChatGPT, AI法律助手, 法律检索, 问答工具
点击上方[蓝字] 关注我们
今天，我将向大家推荐一款基于ChatGPT的法律检索问答工具，我们称其为“AI法律助手”。这款工具允许用户向AI提出自己关注的法律问题，接着AI将检索相关法律文件并生成相应的回答。然而，值得提醒的是，AI法律助手并不能确保100%的准确性，其结果仅作为参考和学习使用。值得一提的是，该工具还支持部署至Vercel，使得其使用过程变得极为简便。对于这款工具感兴趣的朋友，可以点击下方的链接获取更多信息。
AI 法律助手工具地址
地址：https://law-cn-ai.vercel.app/
GitHub地址：https://github.com/lvwzhen/law-cn-ai
AI 法律助手
法律文件来源于https://github.com/LawRefBook/Laws。
项目模板可以在https://github.com/supabase-community/nextjs-openai-doc-search中找到。
该方案会从 “pages” 目录中挑选出所有 .mdx 文件，并对这些文件进行特定的处理，以便在 OpenAI 的文本自动补全建议中应用。
部署
将此Starter部署至Vercel平台后，将自动配置环境变量与数据库概况。您仅需设定OPENAI_KEY，即可迅速投入使用的过程。
技术细节
如果要构建自定义的ChatGPT，需要遵循以下四个步骤：
[? 构建时间] 对知识库进行预处理，即处理您的pages文件夹中的.mdx文件。
[? 构建时间] 使用pgvector在PostgreSQL中存储嵌入向量。
[? 运行时] 执行向量相似性搜索，以查找与问题相关的内容。
在运行过程中，我们将信息输入OpenAI GPT-3的文本自动补全功能中，然后通过流式传输将相应的响应反馈给客户端。
? 构建时间
步骤1和2发生在构建时间。
在构建Next.js应用程序的过程中，Vercel将执行一个名为“generate-embeddings”的脚本。此脚本包含以下任务：
在处理.mdx文件时，我们不仅会储存嵌入向量，同时还将为每份文件生成一个校验和，然后将其储存在另一个数据表里。这样的操作是为了确保只有在文件发生变动时，才会重新计算嵌入向量。这种方法可以有效地避免不必要的计算，并在保证数据安全的同时，提高了效率。
? 运行时
步骤3和4在运行时发生，即用户提交问题时。
当遇到这种情况时，以下一系列任务将会被执行：
这些任务由 SearchDialog（客户端）组件和vector-search（边缘函数）负责处理相关文件。
数据库将被初始化，其中包括将 pgvector 扩展设置存储在 supabase/migrations 文件夹中，并在运行 supabase start 时自动应用于本地的 PostgreSQL 实例。
本地开发
配置
cp .env.example .env
在新创建的 .env 文件中设置 OPENAI_KEY。
启动 Supabase
确保已安装并在本地运行 Docker。然后运行
supabase start
启动 Next.js 应用程序
在新的终端窗口中运行
pnpm dev
分割线
如果您觉得内容还不错，
可以关注|分享|点赞|点在看哦！?
火小星AI
点个“在看” 你最好看
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
Related posts
