寻求帮助：此项目在上述路线图中，先使用 ChatGPT 3.5 接口翻译文档，再使用 OpenAI
text-embedding-ada-002模型进行文档向量化。但是实际发现中文提问和翻译文档匹配效果较差，有没有做这个方向的朋友给点建议。
Chat2Doc 是一个旨在优化 ChatGPT 回答的项目。
项目流程是：当用户提问时，会匹配问题的最新文档，让 ChatGPT 参考文档进行回复，并且给出参考链接。
这个流程还可以应用于客服回复、推荐系统、知识索引等。
- 网页端
- 适配手机端
- 更多的编程文档
- 优化文档匹配效果
- 切换选项卡保留滚动距离
为了降低阅读源码、修改源码的障碍，让所有人参与到项目中。
本项目采用了中文编写文件和代码，使用中文化的文档路径、函数名、变量名等，以促进中文编程的普及。
发现变量命名有问题？👉 克隆、修改、推送。
发现函数实现不优雅？👉 克隆、修改、推送。
npm run start
项目的后端有两种模式。
- express：开发简单，部署稍微麻烦，需要服务器。
- supabase：开发稍微麻烦，使用
deno进行包管理，部署简单，边缘函数无需管理服务器。
cd 服务
# 复制一份环境变量
cp .env.example .env
# 将环境变量中的 key 更换成你自己的
npm run dev
supabase 的优势在于：使用 supabase 边缘函数部署后端接口，复刻（fork）项目后，前端使用 vercel 部署，不用处理服务器问题。
supabase secrets set OPENAI_API_KEY=[OPENAI 的 api key]
supabase functions deploy chat --no-verify-jwt --project-ref [你的项目 project ref]
分别是我的个人公众号和我加入的 AI 群聊。
会谈谈这个项目，谈谈中文编程，谈谈毒瘤的 DDD、微服务、中台。
欢迎沟通交流。
