AI Getting Started：终极AI入门指南 - 从零构建全栈AI应用
【免费下载链接】ai-getting-startedA Javascript AI getting started stack for weekend projects, including image/text models, vector stores, auth, and deployment configs项目地址: https://gitcode.com/gh_mirrors/ai/ai-getting-started
AI Getting Started 是一个面向周末项目的 JavaScript AI 入门技术栈，包含图像/文本模型、向量存储、身份验证和部署配置等功能，能帮助新手和普通用户快速搭建全栈AI应用。
快速了解AI Getting Started技术栈
AI Getting Started技术栈集成了多种强大工具，为全栈AI应用开发提供一站式解决方案：
- 身份验证：采用 Clerk，轻松实现用户注册、登录等功能。
- 应用逻辑：基于 Next.js，构建高效的React应用。
- 向量数据库：支持 Pinecone 和 Supabase pgvector，用于存储和检索向量数据。
- LLM编排：借助 Langchain.js，实现大型语言模型的调用和管理。
- 图像模型：集成 Replicate，轻松调用图像生成等模型。
- 文本模型：对接 OpenAI，获取强大的文本处理能力。
- 文本流：使用 ai sdk，实现文本的实时流式传输。
- 部署：支持 Fly 等平台，方便应用的部署和上线。
从零开始构建全栈AI应用的步骤
1. 克隆仓库
要开始使用AI Getting Started，首先需要克隆仓库，运行以下命令：
git clone https://gitcode.com/gh_mirrors/ai/ai-getting-started2. 安装依赖
进入项目目录，安装所需的依赖：
cd ai-getting-started npm install3. 配置环境变量
复制环境变量示例文件并填写必要的密钥：
cp .env.local.example .env.local需要填写的密钥包括 Clerk 密钥、OpenAI API 密钥、Replicate API 密钥等。如果使用 Pinecone 作为向量存储，需创建 Pinecone 索引并获取相关信息；如果使用 Supabase pgvector，需创建 Supabase 实例并启用 pgvector 扩展。
4. 生成嵌入向量
项目的/blogs目录下有一些示例 markdown 文件，可用于问答功能。根据使用的向量存储，运行相应命令生成嵌入向量并存储到数据库中：
- 使用 Pinecone：
npm run generate-embeddings-pinecone- 使用 Supabase pgvector： 在
QAModel.tsx中，将/api/qa-pinecone替换为/api/qa-pg-vector，然后运行：
npm run generate-embeddings-supabase5. 本地运行应用
完成上述步骤后，即可在本地运行应用：
npm run dev6. 部署应用
部署到 fly.io
- 注册 fly.io 账户并安装 flyctl。
- 在项目根目录运行
fly launch生成配置文件。 - 运行
fly deploy --ha=false部署应用，并可通过fly scale memory 512调整虚拟机内存。 - 通过
cat .env.local | fly secrets import上传环境变量。
其他部署选项
还可选择部署到 Netlify 或 Vercel 等平台。
探索项目结构
项目的主要代码位于src目录下，其中src/app包含应用的路由和页面，src/components包含各种组件，src/scripts包含生成嵌入向量等脚本。你可以通过查看这些目录下的文件，深入了解项目的实现细节。
参与项目贡献
如果你对项目感兴趣，可以通过以下方式参与贡献：
代码贡献
- Fork 仓库，进行修改后创建 PR，并添加 @ykhli 或 @timqian 作为审核者。
其他贡献
- 可以在 Issues 下提出功能请求、bug 报告等。
AI Getting Started 为新手提供了一个简单、快速的全栈AI应用开发入门方案，通过以上步骤，你可以轻松搭建属于自己的AI应用，开启AI开发之旅！
【免费下载链接】ai-getting-startedA Javascript AI getting started stack for weekend projects, including image/text models, vector stores, auth, and deployment configs项目地址: https://gitcode.com/gh_mirrors/ai/ai-getting-started
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
