post #6218

Código SQL Supabase para Armazenamento de Dados em Vetor para usar no N8N

Publicado em: 04/05/2025 / Atualizado em: 05/05/2025

Categorias: Blog SQL Supabase

Se você esta precisando criar um banco de dados no Supabase para armazenamento de dados em formato Vetor, esse post pode lhe ajudar.

O Supabase oferece um código SQL padrão inicial para que você possa copiar e colar dentro do seu painel para criar uma primeira tabela de vetores. Segue código abaixo:

-- Enable the pgvector extension to work with embedding vectors
create extension vector;

-- Create a table to store your documents
create table documents (
  id bigserial primary key,
  content text, -- corresponds to Document.pageContent
  metadata jsonb, -- corresponds to Document.metadata
  embedding vector(1536) -- 1536 works for OpenAI embeddings, change if needed
);

-- Create a function to search for documents
create function match_documents (
  query_embedding vector(1536),
  match_count int default null,
  filter jsonb DEFAULT '{}'
) returns table (
  id bigint,
  content text,
  metadata jsonb,
  similarity float
)
language plpgsql
as $$
#variable_conflict use_column
begin
  return query
  select
    id,
    content,
    metadata,
    1 - (documents.embedding <=> query_embedding) as similarity
  from documents
  where metadata @> filter
  order by documents.embedding <=> query_embedding
  limit match_count;
end;
$$;

Link original do código: https://supabase.com/docs/guides/ai/langchain?database-method=sql

Fonte: https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.vectorstoresupabase