Введение

Это пошаговая инструкция по подключению Supabase к платформе Нейро42 для создания RAG-агентов (агентов с доступом к базе знаний).

Что мы будем делать:

Мы создадим векторную базу данных в Supabase, подключим её к агенту в Нейро42 и загрузим документ, по которому агент сможет отвечать на вопросы.

Что вы найдёте в этой инструкции:

Как зарегистрироваться и настроить проект в Supabase
Как получить Host и Service Role Secret для подключения
Как создать векторную таблицу через SQL
Как загрузить документ в векторную базу данных
Как протестировать работу агента с базой знаний
Как создать несколько векторных баз и фильтровать данные

Что такое Supabase?

Supabase — это облачный сервис типа «бэкенд как услуга» (Backend as a Service). Для наших задач он позволяет:

Создавать и хранить векторные базы данных в облаке
Подключать эти базы к любому ИИ-агенту для RAG-возможностей
Работать с данными без написания серверного кода

Что такое RAG?

RAG (Retrieval-Augmented Generation) — это способ «обучить» агента отвечать на вопросы по вашим документам. Вместо того чтобы переобучать нейросеть, мы загружаем документы в векторную базу данных, и агент ищет в ней релевантные фрагменты при каждом запросе пользователя.

Ключевые понятия

Термин	Что это такое простыми словами
Supabase	Облачный сервис для хранения данных, в том числе векторных баз данных.
Векторная база данных (Vector Store)	База данных, где текст хранится в виде математических векторов. Позволяет находить смысловые совпадения, а не просто совпадения по словам.
Эмбеддинги (Embeddings)	Числовые представления текста. С помощью модели OpenAI Embeddings текст превращается в вектор, который хранится в базе.
RAG-агент	ИИ-агент, который перед ответом ищет релевантные данные в векторной базе и использует их для формирования ответа.
Host (Project URL)	Адрес вашего проекта Supabase — нужен для подключения из Нейро42.
Service Role Secret	Секретный ключ доступа к Supabase с расширенными правами. Хранить в тайне!
RLS (Row Level Security)	Система безопасности Supabase, ограничивающая доступ к данным. Включаем для защиты таблицы.
Чанкинг (Text Splitting)	Разбивка большого документа на небольшие части (чанки) для загрузки в векторную базу.

Что вам понадобится

Что нужно	Зачем и как получить
Аккаунт в Нейро42	Платформа, где будет жить ваш агент. Регистрация бесплатная.
Аккаунт в Supabase	Создаём на supabase.com — бесплатный план подходит для старта.
Аккаунт в OpenAI	Нужен для модели эмбеддингов (text-embedding-3-small). Или другой провайдер эмбеддингов.
Документ для загрузки	Любой файл (PDF, Google Doc и т.д.) — это будет ваша база знаний для агента.
30–40 минут	Не торопитесь, делайте по шагам.

Часть 1: Добавляем Supabase Vector Store в воркфлоу

Шаг 1. Добавьте ноду Supabase Vector Store

Откройте ваш воркфлоу в Нейро42 с ИИ-агентом. Нам нужно подключить Supabase как инструмент агента.

Найдите ноду ИИ-Агент на рабочей области.
Нажмите на «+» в разделе «Tool» (Инструменты) под нодой агента.

В строке поиска нод введите «supabase».
Выберите «Supabase Vector Store» из результатов.

Нода Supabase Vector Store добавится к агенту как инструмент.

Шаг 2. Откройте форму создания учётных данных

Кликните на ноду Supabase Vector Store — откроется панель настроек.

Найдите поле «Credential to connect with» (Учётные данные для подключения).
Нажмите «Создать новые учётные данные».

💡 Оставьте эту вкладку открытой — мы вернёмся сюда после регистрации в Supabase, чтобы вставить нужные данные.

Часть 2: Регистрация и настройка Supabase

Шаг 3. Создайте аккаунт в Supabase

Перейдите на сайт supabase.com и откройте страницу регистрации.

Введите емаил и пароль, нажмите «Sign Up».
Проверьте почту — придёт письмо с подтверждением.
Нажмите на кнопку подтверждения в письме.

Шаг 4. Создайте организацию

После подтверждения вы попадёте на страницу создания организации.

В поле «Organization name» введите любое название, например «my org».
В поле «Type» выберите «Personal».
В поле «Plan» оставьте «Free».
Нажмите «Create organization».

Шаг 5. Создайте проект

После создания организации сразу откроется форма создания проекта.

В поле «Organization» выберите только что созданную организацию.
В поле «Project name» введите имя проекта, например «n8n».
Придумайте надёжный пароль базы данных и сохраните его в надёжном месте.
В поле «Region» выберите ближайший к вам регион.
Нажмите «Create new project».

⚠️ Пароль базы данных нельзя будет просмотреть повторно. Сохраните его сразу в надёжном месте — в менеджере паролей или заметках.

Проект разворачивается 1–2 минуты. Вы увидите индикатор загрузки вверху страницы — подождите его завершения.

✅ Готово! Проект создан. Теперь получим данные для подключения к Нейро42.

Часть 3: Получение данных для подключения

Шаг 6. Получите Project URL (Host)

В интерфейсе Supabase наведите курсор на боковое меню — оно раскроется.

Нажмите «Project Settings» (Настройки проекта).
Перейдите в раздел «Data API».
Скопируйте «Project URL» — это и есть ваш Host для подключения.

Шаг 7. Получите Service Role Secret

Оставаясь в разделе Project Settings, перейдите на вкладку «API Keys».

Найдите строку «service_role» — это ключ с расширенными правами.
Нажмите «Reveal» чтобы показать ключ.
Скопируйте ключ.

⚠️ Service Role Secret — это ключ с полными правами доступа к базе данных. Никому не передавайте и не публикуйте его в открытом виде.

Шаг 8. Подключите Supabase в Нейро42

Вернитесь в Нейро42. Откройте ноду «Supabase Vector Store» и найдите поле «Credential to connect with».

В поле «Host» вставьте скопированный Project URL.
В поле «Service Role Secret» вставьте скопированный ключ.
Нажмите «Save».

Если подключение успешно — вы увидите зелёную надпись «Connection tested successfully».

📸 [СКРИНШОТ: Зелёная надпись «Connection tested successfully» после сохранения]

Часть 4: Создание векторной таблицы в Supabase

Шаг 9. Скопируйте SQL-скрипт из документации Нейро42

Для создания векторной таблицы нужно выполнить SQL-скрипт. Его можно найти в документации Нейро42 (раздел Quick Start для Vector Store) или в n8n docs.

💡 SQL-скрипт создаёт таблицу documents с колонками: embedding (вектор), metadata (метаданные) и content (текст чанка), а также функцию поиска match_documents.

Шаг 10. Выполните SQL-скрипт в Supabase

Вернитесь в Supabase.

Наведите курсор на боковое меню и нажмите «SQL Editor» (Редактор SQL).
Вставьте скопированный SQL-скрипт в поле редактора.
Нажмите «Run» (Выполнить).

Ожидаемый результат: «Success. No rows returned» — это означает, что скрипт выполнился успешно.

⚠️ Если при выполнении появляется ошибка, связанная со строкой «extensions» — удалите эту строку из скрипта (она упоминается дважды) и нажмите Run снова.

Шаг 11. Проверьте созданную таблицу

В боковом меню Supabase нажмите «Table Editor» (Редактор таблиц).

Вы увидите новую таблицу с именем «documents».
В ней три колонки: embedding, metadata, content.

Шаг 12. Включите защиту RLS

Для безопасности включите Row Level Security (RLS) для таблицы.

В Table Editor нажмите на таблицу «documents».
Найдите кнопку «Enable RLS» (или значок щита) и нажмите её.
Подтвердите действие в появившемся окне.

✅ Готово! Векторная таблица создана и защищена. Теперь подключим её к агенту.

Часть 5: Настройка агента в Нейро42

Шаг 13. Подключите Supabase Vector Store к агенту

В воркфлоу с вашим RAG-агентом найдите ноду ИИ-Агент.

Нажмите «+» в разделе «Tool» (Инструменты) у ноды агента.
В поиске введите «Supabase» и выберите «Supabase Vector Store».
Выберите созданные учётные данные.
В поле «Description» введите описание, например: «Работа с данными в векторном хранилище». Это помогает агенту понять, когда использовать этот инструмент.
В поле «Table Name» выберите таблицу «documents».

Часть 6: Загрузка документа в векторную базу

Шаг 14. Добавьте ноду загрузки файла из Google Drive

Для загрузки документа в векторную базу сначала нужно получить сам файл. Мы покажем на примере файла из Google Drive.

В воркфлоу нажмите «+» для добавления новой ноды.

В поиске введите «Google Drive» и выберите «Download File» (Скачать файл).

Подключите учётные данные Google.

В настройках укажите нужный файл (например, через поиск по имени — «Employee Handbook»).

Шаг 15. Подключите Google Drive через Google Console

Прежде чем использовать ноду Google Drive в Нейро42, нужно настроить OAuth-доступ через Google Cloud Console. Это делается один раз.

13.1. Создайте проект в Google Cloud Console

Откройте браузер и введите в поиске «Google Console» или перейдите на console.cloud.google.com.

Нажмите на выпадающее меню выбора проекта (вверху слева) и выберите «New Project» (Новый проект).

Дайте проекту имя, например «test», и нажмите «Create».

Убедитесь, что вы переключились на новый проект (его имя отображается вверху слева).

13.2. Включите Google Drive API

В строке поиска Google Console введите «Drive».

Выберите «Google Drive API» из результатов.
Нажмите кнопку «Enable» (Включить).
После включения Google автоматически переведёт вас в раздел «APIs & Services».

13.3. Настройте OAuth Consent Screen

Это экран согласия, который пользователи увидят при авторизации через Google.

В левом меню выберите «OAuth consent screen».

Нажмите «Get Started».

Заполните поля: App name (любое название приложения) и User support email (ваша почта — обязательно).

В разделе Audience выберите «External».

Заполните контактный email в разделе Contact Information.

Нажмите «Finish».

13.4. Создайте OAuth-клиент

В левом меню перейдите в «Clients» (или «Credentials» → «Create Credentials» → «OAuth client ID»).

В поле «Application type» выберите «Web Application».

Теперь нужно взять OAuth Redirect URL из Нейро42:

Откройте Нейро42 в другой вкладке, перейдите к настройке подключения Google Drive.

Найдите поле «OAuth Redirect URL» (или «Redirect URL») и скопируйте эту ссылку.
Вернитесь в Google Console. В поле «Authorized redirect URIs» нажмите «Add URI» и вставьте скопированную ссылку.
Нажмите «Create».

Google покажет окно с Client ID и Client Secret —

⚠️ Скопируйте Client ID и Client Secret прямо сейчас и сохраните их в надёжном месте. Они понадобятся на следующем шаге.

13.5. Получите Client Secret

Если вы закрыли окно — не беспокойтесь. Client Secret можно посмотреть повторно:

В разделе «Clients» (или «Credentials») нажмите на имя созданного клиента.
В разделе «Client Secrets» найдите ваш ключ или нажмите «Add Secret» для создания нового.
Скопируйте Client Secret.

13.6. Добавьте тестового пользователя

Поскольку приложение в режиме External и ещё не верифицировано, нужно добавить ваш аккаунт как тестового пользователя.

В левом меню перейдите в «OAuth consent screen» → раздел «Audience».
Найдите блок «Test users» и нажмите «Add users».
Введите вашу Google-почту и нажмите «Save».

⚠️ Этот шаг обязателен! Без добавления тестового пользователя авторизация через Google не пройдёт — вы получите ошибку доступа.

13.7. Введите данные в Нейро42 и авторизуйтесь

Вернитесь в Нейро42 в настройки подключения Google Drive.
В поле «Client ID» вставьте Client ID из Google Console.
В поле «Client Secret» вставьте Client Secret.
Нажмите «Save».
Нажмите «Connect with Google» — откроется окно авторизации Google.
Войдите в аккаунт и предоставьте все запрошенные разрешения.

✅ Google Drive успешно подключён! Теперь можно выбирать файлы из вашего диска прямо в Нейро42.

Шаг 16. Добавьте ноду загрузки файла из Google Drive

В настройках укажите нужный файл (например, через поиск по имени — «Employee Handbook» или черех ссылку).

Шаг 17. Выберите файл и конвертируйте в PDF

Теперь когда учётные данные подключены, укажите файл для загрузки и проверьте его формат.

В настройках ноды «Google Drive — Download File» в поле «File» введите имя документа (например, «Employee Handbook») или выберите из списка.
Нажмите «Выполнить эту ноду» для тестирования.

В результате выполнения вы увидите скачанный файл. Обратите внимание на поле mime type — скорее всего там будет формат Google Document, а не PDF.

💡 Для загрузки в векторную базу нам нужен PDF. Конвертируем прямо в этой же ноде — никакую новую не добавляем.

В панели настроек ноды нажмите «Add option».

Выберите «Google File Conversion».

В появившемся поле выберите «Google Docs → PDF».

Снова нажмите «Выполнить эту ноду».

Теперь в результате mime type изменился на «application/pdf» — файл успешно сконвертирован.

Шаг 18. Добавьте ноду загрузки в векторную базу

Теперь загрузим документ в Supabase.

Добавьте новую ноду, введите в поиске «Supabase Vector Store».

Выберите режим операции: «Add documents to vector store» (Добавить документы).

Выберите те же учётные данные Supabase.

В поле «Table Name» выберите таблицу «documents».
Поле «Embeddings Batch Size» оставьте 200 (по умолчанию).

Шаг 19. Настройте загрузчик документа

В разделе «Document» настройте, как именно будет загружаться файл.

Нажмите «+» в поле Document и выберите «Default Data Loader».

Тип данных (Type): «Binary».

Разбивка текста (Text Splitting): оставьте «Simple».

Шаг 20. Подключите модель эмбеддингов для загрузки

В разделе «Embedding» подключите ту же модель, что использовали в Шаге 12.

Нажмите «+» в разделе Embedding.
Выберите «OpenAI Embeddings» → модель «text-embedding-3-small».

Шаг 21. Выполните загрузку

Нажмите «Execute» на ноде загрузки.
Документ будет разбит на чанки и загружен в таблицу.

После успешного выполнения вы увидите результат: несколько строк с фрагментами текста, метаданными и векторами эмбеддингов.

Проверьте таблицу в Supabase (Table Editor → documents) — там должны появиться новые строки.

Подключите к нашу первую ноду supabase к модели Embeddings

✅ Документ загружен! Агент теперь может отвечать на вопросы по его содержимому.

Часть 7: Тестирование агента

Шаг 22. Задайте вопрос агенту

Теперь проверим, что агент умеет искать данные в базе и давать ответы.

Откройте чат с агентом.
Задайте вопрос по содержимому вашего документа

Агент подумает и использует инструмент Supabase Vector Store для поиска ответа.

💡 Если агент возвращает мало фрагментов — увеличьте параметр Limit в настройках ноды Supabase Vector Store. По умолчанию 4, можно поставить 8 и более.

Типичные ошибки и решения

Проблема	Причина и решение
Ошибка при выполнении SQL-скрипта (упоминание extensions)	Расширения уже установлены. Удалите строки с «extensions» из скрипта и выполните снова.
Ошибка при повторном запуске SQL-скрипта	Таблица уже существует. Измените имя таблицы и функции перед запуском.
Агент не отвечает по базе знаний	Проверьте: 1) подключены ли учётные данные, 2) совпадают ли модели эмбеддингов при загрузке и поиске, 3) включена ли нода Vector Store.
Connection tested — не зелёный	Проверьте правильность Host (Project URL) и Service Role Secret. Убедитесь, что проект Supabase запущен.
Query Name не работает для второй базы	Имя функции в Query Name должно точно совпадать с именем, указанным в SQL-скрипте (например, match_new_vector).
Агент возвращает мало данных	Увеличьте параметр Limit в настройках Supabase Vector Store (по умолчанию 4).

🎉 Поздравляем!

Ваш RAG-агент с векторной базой Supabase готов к работе!

Теперь агент умеет находить нужную информацию в ваших документах и давать точные ответы на вопросы пользователей.

Что делать дальше

Загрузите другие документы — каждый добавит агенту новые знания
Создайте несколько векторных таблиц под разные темы (HR, продажи, техническая поддержка)
Настройте метаданные для точной фильтрации данных
Напишите системный промпт агенту — объясните ему его роль и когда использовать базу знаний
Изучите следующий гайд: подключение внешних источников данных (Google Drive, Notion и другие)

💡 Совет: если агент отвечает неточно — первым делом проверьте его системный промпт. Агент должен понимать свою роль и знать, что у него есть инструмент для работы с базой знаний.

№2. Как подключить Supabase к Нейро42