Ответы по PDF в Telegram с поиском в Supabase — шаблон n8n
PDF-документы из Telegram workflow в n8n связывает с Supabase и Google Gemini: бот индексирует содержимое, ищет по нему фрагменты и отвечает на вопросы.
Оригинал на n8n.io: Document Q&A chatbot with Gemini AI and Supabase vector search for Telegram — Mohammad Ghaffarifar
Открыть шаблон на n8n.io бесплатно- Сложность
- сложный18 видов узлов
- Просмотров на n8n.io
- 20 553
- Опубликован
- Обновлён
- Автор
- Mohammad Ghaffarifar
- Сверено
Что делает шаблон
В Telegram-боте появляются ответы на вопросы по загруженным PDF. Google Gemini создаёт embeddings для фрагментов документа, а Supabase хранит их в векторной таблице и находит подходящие части по запросу. Затем Gemini формирует ответ, который бот отправляет с HTML-разметкой. Шаблон обрабатывает длинные ответы с помощью адаптивного разбиения сообщений и поддерживает форматирование для Telegram. Для работы нужны настроенные учётные данные Telegram, Google Gemini и Supabase, а в Supabase должна быть создана векторная таблица по предоставленному SQL-скрипту.
Как работает workflow по шагам
- Telegram Trigger запускает workflow при взаимодействии пользователя с ботом.
- Telegram и Switch определяют, загружен PDF или отправлен вопрос.
- Extract from File извлекает текст PDF, а Recursive Character Text Splitter делит его на фрагменты.
- Embeddings Google Gemini создаёт векторные представления, которые Supabase Vector Store записывает в таблицу.
- При вопросе Supabase Vector Store выполняет векторный поиск и передаёт найденные фрагменты AI Agent.
- Google Gemini Chat Model формирует ответ, а Telegram отправляет его с HTML-разметкой и разделением длинного текста на сообщения.
Что нужно для запуска
- Учётные данные Telegram.
- Учётные данные Google Gemini.
- Учётные данные Supabase.
- Векторная таблица Supabase, созданная по предоставленному SQL-скрипту.
Как подключить Supabase к n8n
Для Supabase нужно настроить учётные данные в n8n и указать их в узле Supabase Vector Store. Векторную таблицу создают в Supabase по SQL-скрипту из шаблона.
Сервисы 3
Категории у источника: Личная продуктивность , RAG: ответы по своим документам
Узлы workflow 18
- Edit Fields (Set)
- Telegram
- Telegram Trigger
- Switch
- Sticky Note
- Code
- AI Agent
- Simple Memory
- Recursive Character Text Splitter
- Supabase Vector Store
- Extract from File
- Aggregate
- Split Out
- Default Data Loader
- Embeddings Google Gemini
- Google Gemini Chat Model
- Vector Store Tool
- Think Tool
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Document Q&A chatbot with Gemini AI and Supabase vector search for Telegram» опубликовал на n8n.io Mohammad Ghaffarifar. Файл шаблона и авторское описание — на странице шаблона.
Русское описание написано языковой моделью по странице шаблона и прошло автоматическую проверку: в нём нет сервисов и чисел, которых нет у автора. Сценарий принадлежит автору; каталог его не хранит.