数字孪生嵌入服务

该服务通过从专业配置文件生成嵌入向量并存储在Upstash Vector中,支持语义检索和RAG应用。

  • by RetroFury07
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 RetroFury07/My-Digital-Twin

使用说明

数字孪生工作坊

此仓库根据您的专业配置文件构建嵌入(digitaltwin.json)并将它们存储在Uptash Vector中用于语义检索,然后为一个简单的MCP服务器提供支持RAG。

先决条件

  • Python 3.10+
  • 创建维度为1536的Uptash矢量索引
  • API密钥
    • UPSTASH_VECTOR_REST_URL 和 UPSTASH_VECTOR_REST_TOKEN
    • OPENAI_API_KEY (用于通过以下方式嵌入 text-embedding-3-small)

设置

  1. 复制 .env.example 到 .env 并填写数值。
  2. 安装依赖项:
# From the repo root
python -m pip install -r requirements.txt

嵌入您的数字孪生模型

python .\embed_digitaltwin.py
  • 剧本平淡无奇 digitaltwin.json 并将嵌入和元数据上传到Uptash Vector。
  • 如果您在Upstash中看到维度不匹配错误,请使用以下命令重新创建索引 dimension=1536.

备注

  • 之前的版本试图使用Groq进行嵌入;Groq目前不提供 text-embedding-3-small 模型。这个脚本现在使用OpenAI的嵌入API来代替。
  • 确保API密钥的安全。不要承诺 .env.