Nan'ao, China • 23.4207° N, 117.0218° W
手把手教你用 ChatGPT plugin 打造一个人知识库系统（二）
接下来正式进入实战环节，我们这次的实战是基于 OpenAI 官方开发的知识库检索插件
官方项目地址在这 👉
不了解原理的童鞋，建议先看完这篇原理哦 👉
在开始之前请确保你已经准备好了这些东西👇🏻
前置条件
1. 科学上网
这个懂得都懂，不做赘述了哈~
2. 插件开发权限
开发插件的前提是，你必须具有开发者权限，而截止目前(2023-05-24日)，你必须是具有 ChatGPT plus 会员，且申请了 OpenAI 插件开发者申请表单，才有资格进行插件开发，还没有申请的小伙伴要提前弄好这个哦，预计一周内可以拿到插件开发资格
3.开发环境
不要听到开发环境，就觉得这个不懂技术就没法弄了。其实很简单，按照我给你的流程一步一步操作下来很简单，首先你需要准备以下几个工具
3.1 安装 Docker
它是一个容器环境，简单的理解就是，它相当于你本地的一台小虚拟机，我们晚点需要在它上面安装向量数据库，用来存储由 OpenAI 映射后的向量数据。
3.2 安装 Postman
它是一个调试工具，当我们需要往数据库里面录入数据的时候，我们需要发起一个网络请求，可以简单的理解为，我们需要告诉 OpenAI，我们的录入文件在哪儿，这个文章的作者是谁，以及这篇文章的发布时间等等信息。这些信息的提交可以通过命令行工具，但这样对非开发人员不太友好，所以我建议你使用这个工具来做，会看起来更加直观。
3.3 安装 Git
这个是一个代码管理工具，它一般可以用来做代码的管理。不过我们不用了解那么多，我们在这里只需要通过它将项目的线上代码拉到本地，晚点运行即可，通过下面的链接，根据自己的操作系统下载对应的版本，然后一步一步安装即可
3.4 安装 Python
我们这次所用到的项目是基于 Python 开发的，所以在这之前，你需要提前准备好 Python 的运行环境，根据自己的操作系统，下载最新的安装包，然后一步一步安装即可
3.7K 的中文字数，收了 2 分钱，太良心了好吧？
开始搭建
首先找到你要保存项目的目录，打开命令行工具将代码下载下来，用我们刚才准备好的 Git 命令行工具下载
git clone https://github.com/openai/chatgpt-retrieval-plugin.git
接着进入项目的目录
cd /你下载项目的位置/chatgpt-retrieval-plugin
安装 poetry 包管理工具
pip install poetry
创建 python 虚拟运行环境
poetry env use python3.10
激活虚拟环境
poetry shell
安装项目环境依赖境
poetry install
创建 Barken Token，你可以简单的理解为给我们的网络请求上锁，而这个 Barken Token 会给请求配置一把钥匙，这样就能够防止别人进入我们的向量数据库。 为了方便起见，建议你直接用这个 👇
根据你的想法填入字段，然后把这个一长串的秘钥记下来，并且不要搞丢了，待会儿用得着
现在基本上我们已经准备了绝大部分环境了，接下来我们需要把向量数据库运行起来，我这边用的是 本地 redis 环境，你当然也可以通过官方推荐的其他向量数据，但我还是建议你先按照我的这个方案，先在本地运行起来试试看。 直接通过下面这个命令就可以启动一个本地 docker 的 redis 向量数据库
docker run -it --rm -p 6379:6379 redis/redis-stack-server:latest
进展顺利的话，你会在 Images 中看到一个 redis/redis-stack-server 的服务 这一步弄完，我们完成了所有的配置工作，在运行项目之前，我们还需要把 OpenAI 的 api-key 拿到，还记得说项目原理吗？我们在做向量映射的时候，是需要用到 OpenAI 的 text-embedding-ada-002 的大模型的映射能力的，因此需要在 OpenAI 的后台生成一个 api-key。 所以我们需要在本地指定三个东西，才能运行项目
1. 我们用了什么数据库，以及数据库相关的配置信息 2. 我们的 OpenAI api key 3. 我们的 Baker token 密码 直接在当前终端，运行如下三个命令
export DATASTORE='redis'
export BEARER_TOKEN='你刚才通过 jwt.io 工具生成的秘钥'
export OPENAI_API_KEY='你在 OpenAI 生成的 api-key'
以上，我们所有的准备工作都完成了，接下来我们便可以见证奇迹的时刻，通过如下命令启动服务
poetry run start
这个时候，当你打开 http://0.0.0.0:8000/docs 地址时，应该看到如下的页面👇🏻，如果打不开，尝试将你的科学上网工具关闭，再打开尝试一下
接着，我们在右上角把 jwt.io 生成的钥匙填进去，这样就可以通过这里面的接口，向我们的向量数据库填入数据啦。像这样👇🏻
另外，除了本地的与数据库交互的服务打开，还需要在本地把插件服务打开，这样在 OpenAI 的界面上才可以加载到我们的服务，你需要在项目目录下，运行如下命令：
poetry run dev
项目运行顺利的话，你会在终端看到如下的界面提示：
接着我们来到 OpenAI 的插件页面，将我们本地终端的运行地址复制进来，你就会在插件页面看到自己的插件啦。
让我们针对之前我们在资料库里面发的内容，做一下检索试试看👇🏻
🎉🎉🎉 bingo！ 以上，所以得搭建过程已经全部完成，剩下的就看你怎么利用好它了。另外如果自己有多设备，或者你想要将自己的知识库共享给他人使用，可能就需要将以上两个服务挂载在公开云上，这个后期我会写教程分享出来，敬请关注~
Other projects
© 2023
Build my mindset system
Nan'ao, China • 23.4207° N, 117.0218° W
手把手教你用 ChatGPT plugin 打造一个人知识库系统（二）
接下来正式进入实战环节，我们这次的实战是基于 OpenAI 官方开发的知识库检索插件
官方项目地址在这 👉
不了解原理的童鞋，建议先看完这篇原理哦 👉
在开始之前请确保你已经准备好了这些东西👇🏻
前置条件
1. 科学上网
这个懂得都懂，不做赘述了哈~
2. 插件开发权限
开发插件的前提是，你必须具有开发者权限，而截止目前(2023-05-24日)，你必须是具有 ChatGPT plus 会员，且申请了 OpenAI 插件开发者申请表单，才有资格进行插件开发，还没有申请的小伙伴要提前弄好这个哦，预计一周内可以拿到插件开发资格
3.开发环境
不要听到开发环境，就觉得这个不懂技术就没法弄了。其实很简单，按照我给你的流程一步一步操作下来很简单，首先你需要准备以下几个工具
3.1 安装 Docker
它是一个容器环境，简单的理解就是，它相当于你本地的一台小虚拟机，我们晚点需要在它上面安装向量数据库，用来存储由 OpenAI 映射后的向量数据。
3.2 安装 Postman
它是一个调试工具，当我们需要往数据库里面录入数据的时候，我们需要发起一个网络请求，可以简单的理解为，我们需要告诉 OpenAI，我们的录入文件在哪儿，这个文章的作者是谁，以及这篇文章的发布时间等等信息。这些信息的提交可以通过命令行工具，但这样对非开发人员不太友好，所以我建议你使用这个工具来做，会看起来更加直观。
3.3 安装 Git
这个是一个代码管理工具，它一般可以用来做代码的管理。不过我们不用了解那么多，我们在这里只需要通过它将项目的线上代码拉到本地，晚点运行即可，通过下面的链接，根据自己的操作系统下载对应的版本，然后一步一步安装即可
3.4 安装 Python
我们这次所用到的项目是基于 Python 开发的，所以在这之前，你需要提前准备好 Python 的运行环境，根据自己的操作系统，下载最新的安装包，然后一步一步安装即可
3.7K 的中文字数，收了 2 分钱，太良心了好吧？
开始搭建
首先找到你要保存项目的目录，打开命令行工具将代码下载下来，用我们刚才准备好的 Git 命令行工具下载
git clone https://github.com/openai/chatgpt-retrieval-plugin.git
接着进入项目的目录
cd /你下载项目的位置/chatgpt-retrieval-plugin
安装 poetry 包管理工具
pip install poetry
创建 python 虚拟运行环境
poetry env use python3.10
激活虚拟环境
poetry shell
安装项目环境依赖境
poetry install
创建 Barken Token，你可以简单的理解为给我们的网络请求上锁，而这个 Barken Token 会给请求配置一把钥匙，这样就能够防止别人进入我们的向量数据库。 为了方便起见，建议你直接用这个 👇
根据你的想法填入字段，然后把这个一长串的秘钥记下来，并且不要搞丢了，待会儿用得着
现在基本上我们已经准备了绝大部分环境了，接下来我们需要把向量数据库运行起来，我这边用的是 本地 redis 环境，你当然也可以通过官方推荐的其他向量数据，但我还是建议你先按照我的这个方案，先在本地运行起来试试看。 直接通过下面这个命令就可以启动一个本地 docker 的 redis 向量数据库
docker run -it --rm -p 6379:6379 redis/redis-stack-server:latest
进展顺利的话，你会在 Images 中看到一个 redis/redis-stack-server 的服务 这一步弄完，我们完成了所有的配置工作，在运行项目之前，我们还需要把 OpenAI 的 api-key 拿到，还记得说项目原理吗？我们在做向量映射的时候，是需要用到 OpenAI 的 text-embedding-ada-002 的大模型的映射能力的，因此需要在 OpenAI 的后台生成一个 api-key。 所以我们需要在本地指定三个东西，才能运行项目
1. 我们用了什么数据库，以及数据库相关的配置信息 2. 我们的 OpenAI api key 3. 我们的 Baker token 密码 直接在当前终端，运行如下三个命令
export DATASTORE='redis'
export BEARER_TOKEN='你刚才通过 jwt.io 工具生成的秘钥'
export OPENAI_API_KEY='你在 OpenAI 生成的 api-key'
以上，我们所有的准备工作都完成了，接下来我们便可以见证奇迹的时刻，通过如下命令启动服务
poetry run start
这个时候，当你打开 http://0.0.0.0:8000/docs 地址时，应该看到如下的页面👇🏻，如果打不开，尝试将你的科学上网工具关闭，再打开尝试一下
接着，我们在右上角把 jwt.io 生成的钥匙填进去，这样就可以通过这里面的接口，向我们的向量数据库填入数据啦。像这样👇🏻
另外，除了本地的与数据库交互的服务打开，还需要在本地把插件服务打开，这样在 OpenAI 的界面上才可以加载到我们的服务，你需要在项目目录下，运行如下命令：
poetry run dev
项目运行顺利的话，你会在终端看到如下的界面提示：
接着我们来到 OpenAI 的插件页面，将我们本地终端的运行地址复制进来，你就会在插件页面看到自己的插件啦。
让我们针对之前我们在资料库里面发的内容，做一下检索试试看👇🏻
🎉🎉🎉 bingo！ 以上，所以得搭建过程已经全部完成，剩下的就看你怎么利用好它了。另外如果自己有多设备，或者你想要将自己的知识库共享给他人使用，可能就需要将以上两个服务挂载在公开云上，这个后期我会写教程分享出来，敬请关注~
Other projects
© 2023
Build my mindset system
Nan'ao, China • 23.4207° N, 117.0218° W
手把手教你用 ChatGPT plugin 打造一个人知识库系统（二）
接下来正式进入实战环节，我们这次的实战是基于 OpenAI 官方开发的知识库检索插件
官方项目地址在这 👉
不了解原理的童鞋，建议先看完这篇原理哦 👉
在开始之前请确保你已经准备好了这些东西👇🏻
前置条件
1. 科学上网
这个懂得都懂，不做赘述了哈~
2. 插件开发权限
开发插件的前提是，你必须具有开发者权限，而截止目前(2023-05-24日)，你必须是具有 ChatGPT plus 会员，且申请了 OpenAI 插件开发者申请表单，才有资格进行插件开发，还没有申请的小伙伴要提前弄好这个哦，预计一周内可以拿到插件开发资格
3.开发环境
不要听到开发环境，就觉得这个不懂技术就没法弄了。其实很简单，按照我给你的流程一步一步操作下来很简单，首先你需要准备以下几个工具
3.1 安装 Docker
它是一个容器环境，简单的理解就是，它相当于你本地的一台小虚拟机，我们晚点需要在它上面安装向量数据库，用来存储由 OpenAI 映射后的向量数据。
3.2 安装 Postman
它是一个调试工具，当我们需要往数据库里面录入数据的时候，我们需要发起一个网络请求，可以简单的理解为，我们需要告诉 OpenAI，我们的录入文件在哪儿，这个文章的作者是谁，以及这篇文章的发布时间等等信息。这些信息的提交可以通过命令行工具，但这样对非开发人员不太友好，所以我建议你使用这个工具来做，会看起来更加直观。
3.3 安装 Git
这个是一个代码管理工具，它一般可以用来做代码的管理。不过我们不用了解那么多，我们在这里只需要通过它将项目的线上代码拉到本地，晚点运行即可，通过下面的链接，根据自己的操作系统下载对应的版本，然后一步一步安装即可
3.4 安装 Python
我们这次所用到的项目是基于 Python 开发的，所以在这之前，你需要提前准备好 Python 的运行环境，根据自己的操作系统，下载最新的安装包，然后一步一步安装即可
3.7K 的中文字数，收了 2 分钱，太良心了好吧？
开始搭建
首先找到你要保存项目的目录，打开命令行工具将代码下载下来，用我们刚才准备好的 Git 命令行工具下载
git clone https://github.com/openai/chatgpt-retrieval-plugin.git
接着进入项目的目录
cd /你下载项目的位置/chatgpt-retrieval-plugin
安装 poetry 包管理工具
pip install poetry
创建 python 虚拟运行环境
poetry env use python3.10
激活虚拟环境
poetry shell
安装项目环境依赖境
poetry install
创建 Barken Token，你可以简单的理解为给我们的网络请求上锁，而这个 Barken Token 会给请求配置一把钥匙，这样就能够防止别人进入我们的向量数据库。 为了方便起见，建议你直接用这个 👇
根据你的想法填入字段，然后把这个一长串的秘钥记下来，并且不要搞丢了，待会儿用得着
现在基本上我们已经准备了绝大部分环境了，接下来我们需要把向量数据库运行起来，我这边用的是 本地 redis 环境，你当然也可以通过官方推荐的其他向量数据，但我还是建议你先按照我的这个方案，先在本地运行起来试试看。 直接通过下面这个命令就可以启动一个本地 docker 的 redis 向量数据库
docker run -it --rm -p 6379:6379 redis/redis-stack-server:latest
进展顺利的话，你会在 Images 中看到一个 redis/redis-stack-server 的服务 这一步弄完，我们完成了所有的配置工作，在运行项目之前，我们还需要把 OpenAI 的 api-key 拿到，还记得说项目原理吗？我们在做向量映射的时候，是需要用到 OpenAI 的 text-embedding-ada-002 的大模型的映射能力的，因此需要在 OpenAI 的后台生成一个 api-key。 所以我们需要在本地指定三个东西，才能运行项目
1. 我们用了什么数据库，以及数据库相关的配置信息 2. 我们的 OpenAI api key 3. 我们的 Baker token 密码 直接在当前终端，运行如下三个命令
export DATASTORE='redis'
export BEARER_TOKEN='你刚才通过 jwt.io 工具生成的秘钥'
export OPENAI_API_KEY='你在 OpenAI 生成的 api-key'
以上，我们所有的准备工作都完成了，接下来我们便可以见证奇迹的时刻，通过如下命令启动服务
poetry run start
这个时候，当你打开 http://0.0.0.0:8000/docs 地址时，应该看到如下的页面👇🏻，如果打不开，尝试将你的科学上网工具关闭，再打开尝试一下
接着，我们在右上角把 jwt.io 生成的钥匙填进去，这样就可以通过这里面的接口，向我们的向量数据库填入数据啦。像这样👇🏻
另外，除了本地的与数据库交互的服务打开，还需要在本地把插件服务打开，这样在 OpenAI 的界面上才可以加载到我们的服务，你需要在项目目录下，运行如下命令：
poetry run dev
项目运行顺利的话，你会在终端看到如下的界面提示：
接着我们来到 OpenAI 的插件页面，将我们本地终端的运行地址复制进来，你就会在插件页面看到自己的插件啦。
让我们针对之前我们在资料库里面发的内容，做一下检索试试看👇🏻
🎉🎉🎉 bingo！ 以上，所以得搭建过程已经全部完成，剩下的就看你怎么利用好它了。另外如果自己有多设备，或者你想要将自己的知识库共享给他人使用，可能就需要将以上两个服务挂载在公开云上，这个后期我会写教程分享出来，敬请关注~
Other projects
© 2023