使用 Nestjs、RAG、Prisma 和 Gemini API 构建上下文感知的待办事项列表

最近发现不少小伙伴都对文章很感兴趣，所以今天继续给大家介绍文章相关的知识，本文《使用 Nestjs、RAG、Prisma 和 Gemini API 构建上下文感知的待办事项列表》主要内容涉及到等等知识点，希望能帮到你！当然如果阅读本文时存在不同想法，可以在评论中表达，但是请勿使用过激的措辞~

本教程演示如何利用检索增强生成 (RAG) 技术构建一个具备上下文感知能力的待办事项列表应用。我们将结合Google Gemini API进行文本嵌入，借助pgvector高效管理向量数据，并使用Prisma和NestJS框架操作PostgreSQL数据库。此方案将实现诸如去重任务和基于上下文检索相似任务等高级功能。

前提条件

1. 熟悉NestJS和Prisma框架。
2. 已安装Node.js和npm。
3. PostgreSQL数据库已安装并启用pgvector扩展。
4. 拥有可访问Google Cloud的Gemini API密钥。

步骤一：搭建NestJS项目

1. 创建新的NestJS项目：

nest new todo-app
cd todo-app

2. 删除默认生成的无用文件：

rm src/app.controller.* src/app.service.* src/app.module.ts

步骤二：安装依赖

安装所需依赖包：

npm install prisma @prisma/client @google/generative-ai dotenv pg

步骤三：使用pgvector配置Prisma

1. 初始化Prisma：

npx prisma init

2. 使用你的PostgreSQL数据库连接信息更新.env文件：

DATABASE_URL="postgresql://<用户名>:<密码>@localhost:5432/<数据库名>?schema=public"
GEMINI_API_KEY="<你的Gemini API密钥>"

3. 在schema.prisma文件中启用pgvector：

generator client {
  provider        = "prisma-client-js"
  previewFeatures = ["postgresqlextensions"]
}

datasource db {
  provider = "postgresql"
  url      = env("DATABASE_URL")
  extensions = ["pgvector"]
}

model Task {
  id        Int      @id @default(autoincrement())
  title     String
  content   String
  embedding Unsupported("vector(1536)")
}

4. 执行数据库迁移：

npx prisma migrate dev --name init

步骤四：在NestJS中配置Prisma

创建Prisma模块用于数据库访问：

// src/prisma/prisma.module.ts
import { Module } from '@nestjs/common';
import { PrismaService } from './prisma.service';

@Module({
  providers: [PrismaService],
  exports: [PrismaService],
})
export class PrismaModule {}

// src/prisma/prisma.service.ts
import { Injectable, OnModuleInit, OnModuleDestroy } from '@nestjs/common';
import { PrismaClient } from '@prisma/client';

@Injectable()
export class PrismaService extends PrismaClient implements OnModuleInit, OnModuleDestroy {
  async onModuleInit() {
    await this.$connect();
  }

  async onModuleDestroy() {
    await this.$disconnect();
  }
}

在主模块中导入Prisma模块：

// src/app.module.ts
import { Module } from '@nestjs/common';
import { PrismaModule } from './prisma/prisma.module';
import { TasksModule } from './tasks/tasks.module';

@Module({
  imports: [PrismaModule, TasksModule],
})
export class AppModule {}

步骤五：创建任务模块

1. 生成任务模块：

nest generate module tasks
nest generate service tasks
nest generate controller tasks

2. 实现TasksService：

// src/tasks/tasks.service.ts
import { Injectable } from '@nestjs/common';
import { PrismaService } from '../prisma/prisma.service';
import { Task } from '@prisma/client';
import { GeminiService } from '../gemini/gemini.service';

@Injectable()
export class TasksService {
  constructor(private prisma: PrismaService, private geminiService: GeminiService) {}

  async createTask(title: string, content: string): Promise<Task> {
    const embedding = await this.geminiService.getEmbedding(`${title} ${content}`);
    return this.prisma.task.create({
      data: { title, content, embedding },
    });
  }

  async getTasks(): Promise<Task[]> {
    return this.prisma.task.findMany();
  }

  async findSimilarTasks(embedding: number[], limit = 5): Promise<any[]> {
    const embeddingStr = `[${embedding.join(',')}]`;
    return this.prisma.$queryRaw`
      SELECT *, embedding <-> ${embeddingStr}::vector AS distance
      FROM "Task"
      ORDER BY distance
      LIMIT ${limit};
    `;
  }
}

3. 实现TasksController：

// src/tasks/tasks.controller.ts
import { Controller, Post, Get, Body } from '@nestjs/common';
import { TasksService } from './tasks.service';

@Controller('tasks')
export class TasksController {
  constructor(private tasksService: TasksService) {}

  @Post()
  async createTask(@Body('title') title: string, @Body('content') content: string) {
    return this.tasksService.createTask(title, content);
  }

  @Get()
  async getTasks() {
    return this.tasksService.getTasks();
  }
}

步骤六：集成Gemini API生成嵌入向量

1. 创建GeminiService：

// src/gemini/gemini.service.ts
import { Injectable } from '@nestjs/common';
import { GenerativeLanguageServiceClient } from '@google/generative-ai';

@Injectable()
export class GeminiService {
  private client: GenerativeLanguageServiceClient;

  constructor() {
    this.client = new GenerativeLanguageServiceClient({
      apiKey: process.env.GEMINI_API_KEY,
    });
  }

  async getEmbedding(text: string): Promise<number[]> {
    const result = await this.client.embedText({
      model: 'models/text-embedding-001',
      content: text,
    });
    return result.embedding;
  }
}

总结

通过以上步骤，你将拥有一个功能完善的待办事项列表应用，具备以下能力：

1. 使用Gemini API为任务内容生成嵌入向量。
2. 使用pgvector将嵌入向量存储在PostgreSQL数据库中。
3. 基于嵌入向量检索相似任务。

此架构支持语义搜索和上下文数据清理等高级功能，可进一步扩展以构建更智能的任务管理系统。

以上就是《使用 Nestjs、RAG、Prisma 和 Gemini API 构建上下文感知的待办事项列表》的详细内容，更多关于的资料请关注golang学习网公众号！