解决Chatbot-UI与Supabase自托管Docker集成中的文件检索问题
问题背景
在使用自托管Docker方式部署Supabase并与Chatbot-UI集成时,用户可能会遇到文件上传成功但无法在聊天过程中检索的问题。具体表现为:文件上传操作看似成功完成,但当尝试与上传的文件进行交互时,系统返回500内部服务器错误,且错误信息不够明确。
问题诊断
通过开发者工具检查网络请求,可以发现当调用检索接口时,服务端返回了非描述性的错误信息:"An unexpected error occurred"。为了获取更详细的错误信息,我们可以修改Chatbot-UI的源代码:
- 定位到
app/api/retrieval/retrieve/route.ts文件 - 修改错误处理逻辑,使其返回完整的错误对象而非简化的错误信息
修改后重新测试,系统返回了更详细的错误信息,显示PostgreSQL操作符不存在的问题:
{
"code": "42883",
"details": null,
"hint": "No operator matches the given name and argument types. You might need to add explicit type casts.",
"message": "operator does not exist: extensions.vector <=> extensions.vector"
}
这个错误表明PostgREST服务无法正确处理向量扩展相关的操作,因为默认配置下它没有包含extensions模式在搜索路径中。
解决方案
1. 检查向量扩展
首先确保Supabase数据库中已启用vector扩展:
- 登录Supabase管理界面
- 导航到数据库 → 扩展
- 确认
vector扩展已启用
2. 配置PostgREST搜索路径
修改Supabase的Docker Compose配置,为PostgREST服务添加额外的搜索路径:
- 编辑docker-compose.yml文件,在rest服务部分添加环境变量:
environment:
PGRST_DB_EXTRA_SEARCH_PATH: ${PGRST_DB_EXTRA_SEARCH_PATH}
- 在Supabase的.env配置文件中添加:
PGRST_DB_EXTRA_SEARCH_PATH=public,extensions
3. 重启服务
应用配置更改后,需要重启Supabase服务:
docker compose stop && docker compose up -d
技术原理
PostgREST是Supabase提供的RESTful API服务,它将PostgreSQL数据库直接暴露为REST API。默认情况下,PostgREST只会在public模式中查找表和函数。当使用vector等扩展时,这些扩展通常安装在extensions模式中。
通过设置PGRST_DB_EXTRA_SEARCH_PATH环境变量,我们告诉PostgREST服务在解析SQL查询时,除了默认的public模式外,还应该检查extensions模式。这样就能正确解析向量扩展提供的操作符和函数。
验证解决方案
实施上述修改后,可以验证问题是否解决:
- 上传新的测试文件
- 尝试与文件进行交互
- 检查开发者工具中的网络请求,确认不再出现500错误
- 确认能够正常获取文件内容进行聊天交互
总结
在自托管Supabase环境中集成Chatbot-UI时,正确处理PostgreSQL扩展的访问权限是关键。通过适当配置PostgREST的搜索路径,可以解决因扩展操作符不可见导致的检索问题。这种配置方式不仅适用于vector扩展,也适用于其他可能需要从非默认模式访问的PostgreSQL扩展。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00