Индексация файлов Google Drive в Supabase — шаблон n8n
Файлы из Google Drive автоматически попадают в векторную базу Supabase, чтобы их можно было искать по смыслу. Workflow в n8n связывает Google Drive, Postgres и OpenAI.
Оригинал на n8n.io: Index Google Drive files into a Supabase vector store with OpenAI embeddings — Allan Vaccarizi
Открыть шаблон на n8n.io бесплатно- Сложность
- сложный16 видов узлов
- Просмотров на n8n.io
- 1 883
- Опубликован
- Обновлён
- Автор
- Allan Vaccariziпроверен n8n.io
- Сверено
Что делает шаблон
Supabase хранит векторные представления текста из файлов Google Drive, а Postgres — метаданные документов и исходные строки Excel и CSV в формате JSONB. Для табличных данных также создаётся сводка. Однократный запуск через чат-триггер создаёт таблицы и функцию поиска по сходству в Supabase/Postgres. Требуются проект Supabase с включённым расширением pgvector, база Postgres и ключ API OpenAI. Размер фрагментов текста и перекрытие настраиваются под документы; для новых типов файлов можно добавить ветви обработки и подходящие извлекатели.
Как работает workflow по шагам
- Chat Trigger запускает SQL-запросы для создания таблиц и функции поиска по сходству.
- Google Drive Trigger отслеживает новые и изменённые файлы в выбранной папке и передаёт их в пакетный цикл.
- Supabase удаляет прежние строки документа и векторные представления, а Postgres обновляет метаданные и сохраняет скачанный файл.
- Switch направляет файл в извлекатель для PDF, документов Word и Office, таблиц Excel или CSV.
- Postgres сохраняет строки Excel и CSV как JSONB, а узел Aggregate собирает их в сводку.
- Character Text Splitter делит извлечённый текст на фрагменты, Embeddings OpenAI создаёт векторы, а Supabase Vector Store сохраняет их.
Что нужно для запуска
- Учётная запись Google Drive с доступом OAuth2
- Проект Supabase с включённым расширением pgvector
- База Postgres, в том числе экземпляр Supabase Postgres
- Ключ API OpenAI
Как подключить Google Drive к n8n
Google Drive подключается к двум узлам Google Drive Trigger и узлу загрузки файла через учётные данные OAuth2. В обоих триггерах указывается идентификатор отслеживаемой папки.
Что изменить под себя
- Размер фрагмента текста и перекрытие настраиваются в Character Text Splitter.
- В Switch добавляются ветви для новых типов файлов и соответствующие извлекатели.
- В узле Embeddings OpenAI можно заменить модель text-embedding-3-small на другую модель OpenAI или провайдера Cohere либо Mistral.
- Supabase Vector Store можно подключить к AI Agent или узлу цепочки для создания чат-помощника по документам.
Кому подойдёт
Workflow предназначен разработчикам, инженерам данных и командам управления знаниями, которым нужно загружать документы из Google Drive в векторную базу для поиска по смыслу или систем RAG.
Сервисы 4
Категории у источника: RAG: ответы по своим документам
Узлы workflow 16
- Postgres
- Edit Fields (Set)
- Loop Over Items (Split in Batches)
- Google Drive
- Switch
- Google Drive Trigger
- Supabase
- Sticky Note
- Embeddings OpenAI
- Character Text Splitter
- Supabase Vector Store
- Extract from File
- Aggregate
- Summarize
- Default Data Loader
- Chat Trigger
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Index Google Drive files into a Supabase vector store with OpenAI embeddings» опубликовал на n8n.io Allan Vaccarizi. 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.