跳至内容

Supabase 向量存储节点#

使用Supabase向量存储与您的Supabase数据库进行交互，作为向量存储。您可以将文档插入向量数据库，从向量数据库获取文档，检索文档以提供给连接到链的检索器，或直接将其连接到智能体作为工具使用。

本页面将介绍Supabase节点的参数配置，并提供更多相关资源的链接。

Credentials

您可以在此节点的此处找到认证信息。

子节点中的参数解析

在使用表达式处理多个项目时，子节点的行为与其他节点不同。

大多数节点（包括根节点）可以接收任意数量的项目作为输入，处理这些项目并输出结果。您可以使用表达式来引用输入项，节点会依次为每个项目解析该表达式。例如，给定五个name值的输入，表达式{{ $json.name }}会依次解析为每个名称。

在子节点中，表达式始终解析为第一项。例如，给定五个name值输入时，表达式{{ $json.name }}总是解析为第一个名称。

Supabase提供了快速入门指南用于设置您的向量存储。如果您在快速入门中使用了非默认设置，这可能会影响n8n中的参数配置。请确保您理解自己在做什么。

节点使用模式#

您可以在以下模式中使用Supabase向量存储节点。

作为常规节点使用，用于插入、更新和检索文档#

您可以将Supabase向量存储作为常规节点使用，以插入、更新或获取文档。这种模式将Supabase向量存储置于常规连接流程中，而不使用智能体。

你可以在此模板的场景1中看到这个示例。

直接连接AI智能体作为工具#

您可以将Supabase向量存储节点直接连接到AI智能体的工具连接器，以便在回答查询时使用向量存储作为资源。

这里的连接关系是：AI智能体（工具连接器）-> Supabase向量存储节点。

使用检索器获取文档#

你可以使用Vector Store Retriever节点与Supabase Vector Store节点配合，从Supabase Vector Store节点获取文档。这通常与Question and Answer Chain节点一起使用，以从向量存储中获取与给定聊天输入匹配的文档。

一个连接流程的示例（该示例使用Pinecone，但模式相同）如下：问答链（检索器连接器）-> 向量存储检索器（向量存储连接器）-> Supabase向量存储。

使用向量存储问答工具来回答问题#

另一种模式使用向量存储问答工具来汇总结果并回答来自Supabase向量存储节点的问题。这种模式不是直接将Supabase向量存储作为工具连接，而是使用专门设计用于汇总向量存储中数据的工具。

在这种情况下，connections flow将如下所示：AI智能体（工具连接器）-> 向量存储问答工具（向量存储连接器）-> Supabase向量存储。

节点参数#

操作模式#

该向量存储节点有五种模式：获取多条、插入文档、检索文档（作为链/工具的向量存储）、检索文档（作为AI智能体的工具）和更新文档。您选择的模式决定了节点可执行的操作以及可用的输入和输出。

获取多个#

在此模式下，您可以通过提供提示从向量数据库中检索多个文档。该提示将被嵌入并用于相似性搜索。节点将返回与提示最相似的文档及其相似度分数。如果您想检索一组相似文档并将其作为额外上下文传递给智能体，此功能非常实用。

插入文档#

使用插入文档模式将新文档插入到您的向量数据库中。

检索文档（作为链/工具的向量存储）#

使用"检索文档(作为链/工具的向量存储)"模式配合向量存储检索器，从向量数据库中检索文档并将其提供给连接到链的检索器。在此模式下，必须将该节点连接到检索器节点或根节点。

检索文档（作为AI智能体的工具）#

使用"检索文档（作为AI智能体工具）"模式，在回答查询时将向量存储作为工具资源使用。当智能体在构建响应时，如果向量存储的名称和描述与问题细节匹配，则会使用该向量存储。

更新文档#

使用更新文档模式通过ID更新向量数据库中的文档。在ID中填入要更新的嵌入条目的ID。

获取多个参数#

  • 表名: 输入要使用的Supabase表。
  • 提示: 输入搜索查询。
  • 限制: 输入要从向量存储中检索的结果数量。例如，将此设置为10以获取最佳的十个结果。

插入文档参数#

  • 表名: 输入要使用的Supabase表。

检索文档（作为链/工具的向量存储）参数#

  • 表名: 输入要使用的Supabase表。

检索文档（作为AI智能体的工具）参数#

  • 名称: 向量存储的名称。
  • 描述: 向大语言模型解释此工具的功能。一个具体清晰的描述能让大语言模型更频繁地生成预期结果。
  • 表名: 输入要使用的Supabase表。
  • Limit: 输入要从向量存储中检索的结果数量。例如，设置为10可获取最佳的十个结果。

更新文档#

  • 表名: 输入要使用的Supabase表。
  • ID: 嵌入条目的ID。

节点选项#

查询名称#

您在Supabase中设置的匹配函数名称。如果按照Supabase快速入门操作，该函数名称将为match_documents。

元数据过滤器#

在获取多个模式下可用。搜索数据时，使用此选项与文档关联的元数据进行匹配。

这是一个AND查询。如果您指定多个元数据筛选字段，则所有字段都必须匹配。

插入数据时，元数据是通过文档加载器设置的。有关加载文档的更多信息，请参阅Default Data Loader。

模板和示例#

AI Agent To Chat With Files In Supabase Storage

作者：Mark Shcherbakov

查看模板详情
Supabase Insertion & Upsertion & Retrieval

作者：Ria

查看模板详情
Upsert huge documents in a vector store with Supabase and Notion

作者：Mario

查看模板详情
浏览Supabase向量存储集成模板, or 搜索所有模板

有关该服务的更多信息，请参阅LangChain的Supabase文档。

查看n8n的高级AI文档。

AI术语表#

  • completion: 补全（completion）是指由GPT等模型生成的响应内容。
  • 幻觉: AI中的幻觉是指大型语言模型(LLM)错误地感知到不存在的模式或对象。
  • 向量数据库: 向量数据库存储信息的数学表示。与嵌入和检索器配合使用，可创建AI在回答问题时能够访问的数据库。
  • 向量存储: 向量存储（或称向量数据库）用于存储信息的数学表示。结合嵌入模型和检索器使用，可创建供AI在回答问题时访问的数据库。
优云智算