仓库源文站点原文


layout: post title: 如何给博客添加相似文章推荐功能

tags: [Cloudflare, Workers, Vectorize, 博客]

看来向量数据库的作用有很多啊……<!--more-->

起因

前几天我用Cloudflare Vectorize给博客的聊天机器人加了知识库的功能,本来想着用向量数据库做文章推荐是不是每次都要走翻译+向量化的操作,不过后来我又仔细看了一下Cloudflare的官方文档,发现它是可以根据ID查询存储的向量的,既然这样的话用现有的数据库做一个相似文章推荐应该非常简单,于是我就做了一个试试看。

制作过程

后端部分

其实流程很简单,就是把对应ID的向量查出来之后拿着这个向量再去查询就好了,唯一需要注意的就是它查出来的第一条肯定是自己,所以只要把第一条删掉就行, 代码也非常简单 (后来又加了缓存稍微变的复杂了😂):

if (url.pathname.startsWith("/suggest")) {
  let resp = [];
  let update_time = url.searchParams.get('update');
  if (update_time) {
    let result = await env.mayx_index.getByIds([
      query
    ]);
    if (result.length) {
      let cache = await db.prepare("SELECT `id`, `suggest`, `suggest_update` FROM `blog_summary` WHERE `id` = ?1")
        .bind(query).first();
      if (!cache.id) {
        return Response.json(resp, {
          headers: commonHeader
        });
      }
      if (update_time != cache.suggest_update) {
        resp = await env.mayx_index.query(result[0].values, { topK: 6 });
        resp = resp.matches;
        resp.splice(0, 1);
        await db.prepare("UPDATE `blog_summary` SET `suggest_update` = ?1, `suggest` = ?2 WHERE `id` = ?3")
          .bind(update_time, JSON.stringify(resp), query).run();
      } else {
        resp = JSON.parse(cache.suggest);
      }
    }
    resp = resp.map(respObj => {
      respObj.id = encodeURI(respObj.id);
      return respObj;
    });
  }
  return Response.json(resp, {
    headers: commonHeader
  });
}

前端部分

后端当然很简单,但是我之前有些欠考虑了,我当时做AI摘要知识库的时候,都只存了文章的链接,没有存标题😅……但是推荐文章的超链接总不能不放标题吧……那怎么办呢?一种就是我把数据库清空然后摘要中加一个字段,向量数据库中加一个元数据,这样查询的时候就能查到标题然后显示出来了。不过这种方法我仔细考虑了一下,麻烦是一方面,另一方面是我的接口没做验证,有人乱上传文章会影响推荐链接显示的内容,不太合适……那应该用什么办法呢?
我还想到一个办法,我之前给博客做过全文搜索的功能,用这个JS关联查询就能查到标题,而且查不到的内容也显示不出来,这样就能避免有人故意乱上传导致显示奇怪的内容了,不过之前的设计是每次查询都要加载一次包含我文章内容的JSON文件,感觉不太合理,虽然那个文件不算特别大,但是也挺影响速度的,所以我想了一下还是用localStorage缓存一下比较好,所以增加了一个能缓存获取搜索JSON的函数:

function getSearchJSON(callback) {
  var searchData = JSON.parse(localStorage.getItem("blog_" + lastUpdated.valueOf()));
  if (!searchData) {
    localStorage.clear();
    $.getJSON("/search.json", function (data) {
        localStorage.setItem("blog_" + lastUpdated.valueOf(), JSON.stringify(data));
        callback(data);
    });
  } else {
    callback(searchData);
  }
}

做好这个之后就可以做文章推荐的功能了,不过文章推荐应不应该加载完页面就加载呢?其实我测了一下Vectorize数据库的查询速度,不算很慢,但还是需要时间,另外免费版我看了下额度是每月3000万个查询的向量维度,这个其实我没看太懂😂。另外Cloudflare不知道为什么没有展示免费版剩余的额度,而且它是按月计算的,导致我不敢乱用这个查询。 所以我想了一下还是给个按钮来调用吧 (后来想了一下干脆直接调用然后加个缓存吧,毕竟我的文章不变,推荐内容也不会变)。最终调用的函数如下:

function getSuggestBlog(blogurl) {
    var suggest = $("#suggest-container")[0];
    suggest.innerHTML = "Loading...";
    $.get(BlogAPI + "/suggest?id=" + blogurl + "&update=" + lastUpdated.valueOf(), function (data) {
        if (data.length) {
            getSearchJSON(function (search) {
                suggest.innerHTML = '<b>推荐文章</b><hr style="margin: 0 0 5px"/>';
                const searchMap = new Map(search.map(item => [item.url, item]));
                const merged = data.map(suggestObj => {
                    const searchObj = searchMap.get(suggestObj.id);
                    return searchObj ? { ...searchObj } : null;
                });
                merged.forEach(element => {
                    if (element) {
                        suggest.innerHTML += "<a href=" + element.url + ">" + element.title + "</a> - " + element.date + "<br />";
                    }
                });
            });
        } else {
            suggest.innerHTML = "暂无推荐文章……";
        }
    });
}

感想

看来向量数据库的用途还是挺广泛的,不仅仅是为了给AI使用,说不定还能做更多有意思的功能,这下不得不更依赖Cloudflare了😆。
另外随着做了越来越多的功能,做新的功能还能用上旧的功能,感觉这样我的博客可以有不少发展的空间啊😁。