Supabase 向量存储节点#

使用 Supabase 向量存储（Vector Store）将你的 Supabase 数据库作为向量数据库进行交互。你可以将文档插入向量数据库、从向量数据库中获取多个文档，并检索文档以提供给连接到链（chain）的检索器（retriever）。使用 Supabase 向量存储与你的 Supabase 数据库进行交互，将其作为向量存储使用。你可以将文档插入向量数据库、从向量数据库中获取文档、检索文档并提供给连接到链（chain）的检索器，或者直接连接到智能代理（agent）作为工具（tool）使用。你还可以通过 ID 更新向量存储中的条目。

本页面包含 Supabase 节点的参数说明以及相关资源链接。

凭据

有关此节点的认证信息，请参见此处。

子节点中的参数解析#

当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输入项，逐个处理这些项目，并输出结果。你可以使用表达式引用输入项，节点会依次为每个项目解析该表达式。例如，如果有五个 name 值作为输入，表达式 {{ $json.name }} 将依次解析为每一个名字。

而在子节点中，表达式始终解析为第一个项目。例如，同样有五个 name 值作为输入，表达式 {{ $json.name }} 始终解析为第一个名字。

Supabase 提供了快速入门指南来设置你的向量存储。如果你在快速入门中使用的设置不同于默认值，可能会影响 n8n 中的参数配置。请确保你清楚自己正在做什么。

节点使用模式#

你可以按照以下几种模式使用 Supabase 向量存储节点。

作为普通节点插入、更新和检索文档#

你可以将 Supabase 向量存储作为普通节点用于插入、更新或获取文档。这种模式下，Supabase 向量存储节点处于常规连接流程中，不涉及智能代理（agent）。

你可以在此模板的场景 1 中看到示例。

直接作为工具连接到 AI 智能代理#

你可以将 Supabase 向量存储节点直接连接到 AI 智能代理的工具连接器（tools connector），以便在回答查询时将向量存储作为资源使用。

此时的连接方式为：AI 智能代理（工具连接器） -> Supabase 向量存储节点。

使用检索器获取文档#

你可以将向量存储检索器（Vector Store Retriever）节点与 Supabase 向量存储节点结合使用，从 Supabase 向量存储中提取文档。这通常与问答链（Question and Answer Chain）节点配合使用，以从向量存储中获取与给定聊天输入相匹配的文档。

一个连接流程示例（该示例使用 Pinecone，但模式相同）如下所示：问答链（Retriever 连接器） -> 向量存储检索器（Vector Store 连接器） -> Supabase 向量存储。

使用向量存储问答工具回答问题#

另一种模式是使用向量存储问答工具（Vector Store Question Answer Tool）对 Supabase 向量存储中的结果进行总结并回答问题。与直接将向量存储作为工具不同，此模式使用专门设计用于汇总向量存储数据的工具。

在这种情况下，连接流程如下所示： AI 智能代理（工具连接器） -> 向量存储问答工具（Vector Store 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：获取多个（Get Many）、插入文档（Insert Documents）、检索文档（作为链/工具的向量存储）（Retrieve Documents (As Vector Store for Chain/Tool)）、检索文档（作为 AI 智能代理的工具）（Retrieve Documents (As Tool for AI Agent)） 和 更新文档（Update Documents）。所选模式决定了你可以执行的操作以及可用的输入和输出。