nextjs-openai-doc-search

用自然语言提问，秒级获取带引用的文档答案

这是一个基于 Next.js、OpenAI 和 Supabase 构建的文档搜索模板，旨在帮助开发者快速打造类似 ChatGPT 的定制化文档问答助手。它解决了传统文档搜索只能匹配关键词、无法理解语义和上下文的问题，通过向量搜索和生成式 AI，让用户可以用自然语言提问，并获得精准、有来源依据的答案。核心能力包括：将文档内容分块并生成向量嵌入存入 Supabase（支持 pgvector），提供流式响应和引用来源，以及开箱即用的 Next.js 前端界面。项目代码结构清晰，易于定制和部署，适合作为企业内部知识库、产品文档或技术支持的问答入口。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1730

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队supabase-community

所属国家

官网地址https://supabase.com/blog/chatgpt-supabase-docs

GitHubhttps://github.com/supabase-community/nextjs-openai-doc-search

定价模式free

价格说明开源模板，基于Next.js、OpenAI和Supabase构建，可自行部署，无内置付费功能。

访问状态

是否开源是

开源协议Apache-2.0

主要语言TypeScript

技术栈/模型ai,chatgpt,nextjs,openai,postgres,supabase,template,vector-search

GitHub 星标★ 1730

30天Star增速

HF 下载量

上线时间2023-04-01 00:00:00

最近更新2026-09-18 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：入门约 10 分钟部署方式：云服务 7 步

环境要求

Node.js 环境（Next.js 应用运行所需）
一个 Supabase 项目或本地 Supabase CLI 环境（提供 pgvector 与数据库）
OpenAI API Key（用于生成嵌入和文本补全）
Vercel 账号（README 推荐的一键部署平台）

安装与启动步骤

1获取项目代码

把模板仓库克隆到本地，后续所有配置都在项目根目录下进行。
```
git clone https://github.com/supabase-community/nextjs-openai-doc-search.git
cd nextjs-openai-doc-search
```
2安装项目依赖

在项目根目录安装 Next.js 应用的依赖包，确保后续可以构建和本地预览。
```
npm install
```
3复制环境变量文件

README 明确要求先把示例环境变量文件复制成实际使用的 .env 文件。
```
cp .env.example .env
```
4填写 OpenAI 密钥

编辑 .env，把 OPENAI_KEY 换成你自己的 OpenAI API Key，这是唯一必须手动设置的变量。
5启动 Supabase 获取密钥

README 提示必须先运行 Supabase 才能拿到密钥，迁移会在此步骤自动建表和启用 pgvector。
```
supabase start
```
6填入 Supabase 密钥

把上一步得到的 NEXT_PUBLIC_SUPABASE_ANON_KEY 与 SUPABASE_SERVICE_ROLE_KEY 写进 .env。
7部署到 Vercel

README 推荐直接部署到 Vercel，Supabase 集成会自动注入环境变量并配置数据库 Schema，只需设置 OPENAI_KEY。

关键配置

配置项	必填	说明	示例
`OPENAI_KEY`	是	OpenAI API 密钥，用于生成嵌入与文本补全	`sk-xxxxxxxxxxxxxxxx`
`NEXT_PUBLIC_SUPABASE_ANON_KEY`	是	Supabase 匿名密钥，前端访问数据库使用	`eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.xxxxxxxx`
`SUPABASE_SERVICE_ROLE_KEY`	是	Supabase 服务角色密钥，构建时写入嵌入数据使用	`eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.yyyyyyyy`

如何确认成功

打开部署或本地站点，在搜索框输入自然语言问题，能返回流式生成且带引用来源的答案即成功。

常见问题

Q：如何获取 Supabase 的两个密钥？

A：README 说明必须先运行 supabase start，启动本地实例后在输出中获取 anon key 和 service role key，再填入 .env。

Q：数据库表和 pgvector 扩展需要手动创建吗？

A：不需要。初始化 SQL 位于 supabase/migrations 目录，运行 supabase start 时会自动应用到本地 Postgres；部署到 Vercel 时 Supabase 集成会自动配置 Schema。

Q：知识库内容从哪来？

A：构建时会读取 pages 目录下的所有 .mdx 文件，分块后生成向量嵌入并存入 Postgres 的 pgvector，替换这些文件即可换成自己的内容。

Q：运行时是怎么工作的？

A：用户提问后由 Edge Function（pages/api/vector-search.ts）先做向量相似度检索，再把相关内容注入 GPT-3 补全提示，以流式返回给前端 SearchDialog 组件。

注意事项

README 强调只需手动设置 OPENAI_KEY，其余环境变量由 Supabase 集成自动注入。
嵌入向量维度为 1536，对应 OpenAI 的 embedding 输出。
向量检索与流式回答的核心文件是 components/SearchDialog.tsx 和 pages/api/vector-search.ts。
本教程依据 README 节选整理，具体端口与详细部署按钮请以官方仓库和 Supabase 博客为准。

核心亮点

内置向量搜索与 OpenAI 生成式回答，语义理解准确
支持流式输出和引用来源，答案可信可追溯
基于 Next.js 和 Supabase，全栈 TypeScript，部署简单

不足之处

依赖 OpenAI 和 Supabase 外部服务，成本与网络需自担
文档/社区待观察，模板功能相对基础，高级定制需自行扩展

适用场景

企业产品文档的智能客服问答
开发者快速搭建内部知识库检索工具
为静态文档站点添加 AI 对话式搜索

替代项目

ChatGPT Retrieval Plugin、quivr、docsgpt

项目介绍

nextjs-openai-doc-search 是搜索知识领域的开源项目，由 supabase-community 开发，2023 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（1,730）位列前 30%，在搜索知识分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。开源模板，基于Next.js、OpenAI和Supabase构建，可自行部署，无内置付费功能。

它主要面向的使用场景是：企业产品文档的智能客服问答。同类可对比的替代方案包括 ChatGPT Retrieval Plugin、quivr、docsgpt。

上一篇：chatWeb

下一篇：oneglanse