L'alternative à Supabase conçue nativement pour l'IA (Powabase)

BBetter Stack
컴퓨터/소프트웨어창업/스타트업AI/미래기술

Transcript

00:00:00Voici PowerBase. C'est une base de données Postgres, un moteur RAG et un générateur de flux de travail agentique,
00:00:06le tout combiné dans un backend unifié. C'est le backend-as-a-service ultime pour les applications web modernes
00:00:12qui reposent fortement sur des fonctionnalités IA comme les bases de données vectorielles, les pipelines RAG ou les flux de travail agentiques.
00:00:19Dans cette vidéo, nous allons examiner PowerBase de plus près, voir comment cela fonctionne, et nous allons
00:00:24le tester en construisant un site web de produit au style rétro assisté par IA. Ça va être
00:00:29très amusant, alors plongeons dans le sujet. Donc PowerBase.ai, à ne pas confondre avec PowerBase.com, qui est,
00:00:40je ne sais pas ce que c'est, est une nouvelle plateforme de backend-as-a-service qui est vraiment une solution tout-en-un
00:00:46pour les applications IA modernes. Imaginez : vous construisez une application, mais vous avez besoin d'une base de données,
00:00:51peut-être même d'une base de données vectorielle, et maintenant vous décidez de construire un pipeline RAG basé sur les
00:00:57documents internes de votre organisation, et maintenant peut-être que vous voulez créer un chatbot d'interface capable de répondre
00:01:02à des questions basées sur votre configuration RAG. Vous pourriez construire toutes ces choses comme des services autonomes,
00:01:08mais cela devient vite compliqué quand vous devez tous les connecter. Vous devez relier votre base de données à votre RAG,
00:01:13puis construire un flux de travail agentique pour votre chatbot. Tout devient très compliqué très rapidement.
00:01:19Donc PowerBase est conçu pour vous faciliter la vie en fournissant une plateforme unifiée pour toutes ces
00:01:24choses. Comme il étend la base open source de Supabase, il utilise Postgres comme source unique
00:01:30de vérité pour absolument tout, et c'est pourquoi vous pouvez aussi utiliser PGvector comme base de données vectorielle principale.
00:01:36Et parce que vos données relationnelles standard et vos nouveaux vecteurs d'embedding vivent à l'intérieur exactement
00:01:42du même moteur Postgres, ils partagent exactement la même sécurité transactionnelle ACID. Donc si une transaction de base de données
00:01:48est annulée, la mise à jour vectorielle l'est également. Et il intègre aussi un générateur de flux de travail agentique
00:01:54directement dans le même backend, vous offrant un canevas visuel basé sur des nœuds directement dans votre
00:02:00tableau de bord. Il vous permet de cartographier des garde-fous déterministes et des règles métier strictes ou de définir des limites d'exécution
00:02:06strictes tout en permettant au LLM d'appeler dynamiquement des outils et de raisonner sur les tâches.
00:02:12Tout cela semble génial, mais testons-le pour voir comment ça fonctionne réellement. Une fois que vous créez votre
00:02:17compte, vous êtes éligible pour obtenir 20 $ de crédits PowerBase gratuitement après avoir répondu à un questionnaire simple.
00:02:24Et une fois dans le tableau de bord, nous pouvons voir qu'il ressemble énormément à Supabase,
00:02:29mais avec des sections supplémentaires dédiées à toutes les fonctionnalités IA. Il y a quelques jours, j'ai trouvé ce
00:02:35catalogue de produits informatiques super cool des années 80 sur Internet Archive, qui présente tant de
00:02:41pièces technologiques anciennes fascinantes. J'ai donc décidé de prendre ce catalogue et de construire un site web de produits style rétro
00:02:48avec un chatbot IA capable de me donner des recommandations de produits basées sur ce catalogue. Et la page
00:02:54Internet Archive possède déjà un fichier TXT, qui inclut tout le texte du catalogue PDF
00:03:00scanné avec l'OCR. Nous pouvons donc utiliser ce fichier texte comme source de données à ingérer dans notre pipeline RAG.
00:03:06Pour commencer ce projet, j'ai juste un dossier simple avec une image d'un vieil ordinateur Macintosh
00:03:13et une image de référence de ce à quoi je veux que le site ressemble. Et j'ai aussi le fichier texte que
00:03:18nous venons de télécharger. Et d'après la page de documentation de PowerBase, ils ont un guide de démarrage pratique
00:03:24sur comment l'utiliser avec Claude Code. Ils n'ont pas encore de skill, mais si nous fournissons à l'agent de codage notre
00:03:29URL de base, une clé secrète et une référence vers la documentation, alors Claude Code peut pratiquement deviner le reste.
00:03:36Ils disent qu'ils travaillent sur un skill pour ce projet, mais au moment de cet enregistrement, le skill n'est pas encore
00:03:41disponible. Donc nous allons simplement nous en tenir à leurs instructions manuelles. Et pour le prompt, je dis
00:03:47essentiellement à Claude Code que je veux construire une boutique de produits rétro avec un chatbot IA, et je lui demande d'utiliser
00:03:53les images de référence pour le design. Et j'ai également fourni l'URL de base et la clé secrète dans un fichier
00:04:00d'environnement séparé. Et enfin, je lui fournis une URL vers la documentation de PowerBase, juste au cas où,
00:04:05et je laisse Claude Code faire son travail. Et quelques minutes plus tard, nous voyons que Claude Code a réussi à
00:04:11extraire les données du catalogue de notre source. Et il a aussi créé une base de connaissances de notre catalogue.
00:04:18Et quelques instants plus tard, nous voyons que Claude Code a maintenant terminé la tâche avec succès.
00:04:23Et non seulement ça, mais il a aussi fait un test avec notre chatbot IA pour voir si tout fonctionne
00:04:28correctement. Et nous pouvons aussi voir cela mis à jour ici sur le tableau de bord PowerBase. Donc tout semble bon.
00:04:35Alors voyons à quoi ressemble le site web maintenant. Oh mon Dieu, ça rend tellement bien.
00:04:42Wow. C'est honnêtement bien mieux que ce à quoi je m'attendais. Regardez ce thème rétro. Claude Code a fait
00:04:48un travail formidable avec le design, je dois dire. Mais le plus important est le chatbot
00:04:53ou le vendeur, comme il est appelé ici. Et comme nous pouvons le voir ici, il nous donne quelques exemples de prompts que nous pouvons poser.
00:05:00Essayons de voir ce qu'il recommande pour stocker 300 disquettes. Et regardez ça ? Il nous donne
00:05:06une réponse très détaillée et agréable. Et comme nous pouvons le voir ici, il recommande soit un classeur de stockage, soit une boîte
00:05:13à disquettes en plastique. Et il liste même les prix et tout. Donc c'est plutôt cool. Au fait,
00:05:19j'ai remarqué que 30 % de notre audience est de la génération Z. Alors dites-moi dans les commentaires si vous savez ce qu'est une disquette.
00:05:26Très bien. Essayons une requête personnalisée maintenant. Je veux un ordinateur assez puissant à la maison pour pouvoir jouer à
00:05:33Pac-Man. Que pouvez-vous recommander et quels sont les prix ? Et regardez ça. C'est intéressant. Il dit
00:05:39qu'il ne peut trouver aucune référence à Pac-Man dans leur catalogue. Donc c'est une caractéristique commune des moteurs RAG
00:05:45où il essaie de rester strictement dans les limites du contexte des données fournies,
00:05:50ce qui est une très bonne chose. Mais il mentionne un jeu similaire qu'il a trouvé dans le catalogue,
00:05:55qui est similaire à Pac-Man. Et puis il nous donne enfin ces belles recommandations d'ordinateurs
00:06:01de jeux. Et c'est tellement drôle. Si le jeu est votre objectif principal, mais que le budget compte, alors nous pouvons choisir
00:06:08l'ordinateur familial Interact pour 500 dollars. Mais si vous voulez les meilleurs graphismes et son,
00:06:14alors vous devez choisir le TI-99 de Texas Instruments. C'est impressionnant et il est même livré avec son propre moniteur couleur
00:06:22de 13 pouces. Moniteur couleur, ouais. C'est parti. Taisez-vous et prenez mon argent. Donc le site web semble absolument
00:06:30superbe et le chatbot fonctionne comme prévu. Donc je suis assez satisfait de ce résultat. Une dernière chose
00:06:35que je veux vérifier, c'est le tableau de bord PowerBase. Et ici, dans la section d'exécution, nous pouvons voir toutes les sessions
00:06:42que notre chatbot a effectuées avec toutes les réponses détaillées. Donc c'est un bon moyen de suivre
00:06:48la façon dont vos utilisateurs utilisent réellement le chatbot. Voilà donc, les amis. C'est PowerBase en
00:06:53quelques mots. Honnêtement, je suis super impressionné par cette plateforme. Elle a tellement de fonctionnalités IA cool et la
00:06:59configuration était si facile et le pipeline RAG a fonctionné de manière transparente. Donc je dirais que c'est un backend-as-a-service parfait.
00:07:07Si vous avez besoin de sortir une version MVP de votre application IA aussi rapidement que possible. PowerBase vous
00:07:13fournit essentiellement tous les outils nécessaires pour que vous n'ayez pas à vous soucier de la tuyauterie pour connecter
00:07:18tout ensemble. Donc bien joué, PowerBase. Mais qu'en pensez-vous, les amis, de PowerBase ? L'avez-vous essayé ?
00:07:24Allez-vous l'utiliser ? Faites-le nous savoir dans la section des commentaires ci-dessous. Et les amis, si vous aimez ce genre de
00:07:29décorticage technique, faites-le moi savoir en fracassant ce bouton “j'aime” sous la vidéo. Et n'oubliez pas
00:07:34aussi de vous abonner à notre chaîne. C'était Andres de Betterstack et je vous verrai dans les prochaines vidéos.

Key Takeaway

PowerBase simplifie le développement d'applications IA modernes en unifiant la base de données Postgres, le moteur vectoriel et les flux de travail agentiques au sein d'un backend unique, évitant ainsi la complexité de l'interconnexion de services disparates.

Highlights

  • PowerBase est une plateforme backend-as-a-service unifiée intégrant Postgres, un moteur RAG et un générateur de flux de travail agentique.

  • L'utilisation de PGvector au sein de Postgres permet aux données relationnelles et aux vecteurs d'embedding de partager la même sécurité transactionnelle ACID.

  • Un tableau de bord visuel basé sur des nœuds permet de définir des garde-fous déterministes et des règles métier pour les agents IA.

  • La configuration d'un projet avec Claude Code nécessite seulement une URL de base, une clé secrète et la documentation de la plateforme.

  • Le moteur RAG respecte strictement les limites du contexte des données fournies en refusant les requêtes externes au catalogue ingéré.

  • La section d'exécution du tableau de bord enregistre toutes les sessions du chatbot pour le suivi des interactions utilisateur.

Timeline

Architecture et fonctionnalités de PowerBase

  • PowerBase centralise le stockage relationnel, la recherche vectorielle et l'automatisation agentique.
  • Le partage d'un moteur Postgres unique garantit la cohérence ACID entre les données classiques et les vecteurs.
  • Le générateur de flux de travail permet de combiner des règles strictes avec la logique dynamique des LLM.

Cette plateforme répond à la complexité de connecter séparément une base de données, un pipeline RAG et des agents. En étendant Supabase, elle utilise Postgres comme source unique de vérité. La sécurité transactionnelle ACID assure qu'une mise à jour vectorielle est annulée si la transaction de base de données échoue.

Mise en œuvre d'un chatbot RAG sur un catalogue rétro

  • Un fichier texte issu d'un catalogue de produits des années 80 sert de source de données pour le pipeline RAG.
  • Claude Code automatise l'extraction des données et la création de la base de connaissances après configuration de l'URL et de la clé secrète.
  • La plateforme permet de valider le fonctionnement du chatbot directement dans l'interface de développement.

Le projet consiste à construire une boutique de produits rétro basée sur un fichier texte OCR. Le processus utilise Claude Code comme agent de codage, alimenté par l'URL de base, une clé secrète et le lien vers la documentation de PowerBase. L'agent extrait les données, structure la base de connaissances et effectue les tests de conformité.

Validation des résultats et suivi des performances

  • Le chatbot fournit des réponses détaillées basées uniquement sur les prix et les références du catalogue fourni.
  • Le moteur RAG rejette les requêtes hors contexte tout en suggérant des alternatives pertinentes présentes dans la base.
  • Le tableau de bord permet de consulter l'historique complet des sessions et les réponses générées par le chatbot.

Les tests montrent que le chatbot respecte rigoureusement les limites du contexte, comme lors d'une recherche sur un élément absent du catalogue. La section d'exécution enregistre chaque interaction, offrant une visibilité sur l'usage réel du chatbot. Cette approche facilite la mise en production rapide d'un MVP sans gérer la tuyauterie complexe entre services.

Community Posts

No posts yet. Be the first to write about this video!

Write about this video