Векторная база данных Supabase (Supabase Vector Store)

Мост между n8n и векторным хранилищем Supabase. Нода может:

Добавлять и обновлять документы в векторную таблицу
Искать похожие документы по текстовому запросу
Работать, как источник для ретривера/цепочки
Подключаться к AI агенту, как инструмент (tool)

Режимы работы (Operation Mode)

Get Many (поиск похожих)

Table Name — таблица в Supabase.
Prompt — ваш текстовый запрос для семантического поиска.
Limit — сколько лучших совпадений вернуть.

Insert Documents (загрузка контента)

Table Name — куда добавлять документы.

Update Documents (обновление записи)

Table Name — таблица в Supabase.
ID — идентификатор конкретной строки (эмбеддинга) для обновления.

Retrieve Documents (as Vector Store for Chain/Tool) — Получить документы для Answer/Chain

Table Name — откуда читать документы, когда нода подаёт данные в ретривер/цепочку.

Retrieve Documents (as Tool for AI Agent) — Получить документы для агента

Name — как инструмент будет называться для модели.
Description — коротко, чем инструмент полезен (помогает LLM корректнее выбирать его).
Table Name — таблица в Supabase.
Limit — ограничение на число результатов.

Options

Query Name — имя SQL-функции поиска, которую вы создали в Supabase (по квикстарту это match_documents).

Metadata Filter — фильтрация по метаданным (например, по типу документа/тегу/датам), чтобы сузить результаты поиска.

Где и как может использоваться

Обычный узел в потоке: вставка/обновление/получение документов без агентов — просто соединяем вход→нода→выход.

Инструмент для AI-агента: провод к разъёму tools у ноды AI Agent → эта нода → ответы агента с опорой на ваши документы.

Через ретривер: Question & Answer Chain → Vector Store Retriever → Supabase Vector Store. Классическая схема RAG.

Через «Vector Store QA Tool»: агент → Vector Store Question Answer Tool → Supabase Vector Store (инструмент сам агрегирует/суммаризует найденное).