在 n8n 中搭建 AI 智能体：基于 Supabase 存储与 Google Drive 的文件问答系统

将 Supabase 私有存储桶或 Google Drive 文件夹中的文档自动向量化，通过 AI 智能体实现自然语言查询与上下文回答

给谁

需要在文档库上构建 AI 问答能力的开发者、数据分析师或业务人员，具备 n8n 和数据库基础配置经验

你会得到

上传文件后自动完成解析、分块、嵌入与向量存储；用户可通过聊天界面或 Webhook 基于文档内容进行问答

你需要

n8n · supabase · google-drive · llamaparse

步骤

1. 创建 Supabase 存储桶并上传文件

   在 Supabase 项目中创建一个 private 存储桶，按需要修改默认名称。使用提供的上传选项将文档文件上传至该存储桶。此存储桶将作为工作流的主要文件来源之一。

2. 配置数据库表与向量扩展

   在 Supabase 中建立 files 表（记录文件名与存储 ID）和 documents 表（存储向量化后的文档块）。执行必要的 SQL 查询以启用向量匹配功能（如 pgvector 扩展与 match_documents 查询函数）。

3. 导入工作流并替换凭证

   从 n8n 模板库导入该工作流（模板 ID 4086）。检查所有节点中的凭证占位符，逐一替换为自己的凭证：supabaseApi（Supabase 项目 URL 与 API 密钥）、openAiApi（OpenAI API 密钥）、googleDriveOAuth2Api（Google Drive OAuth2 凭证）、httpHeaderAuth（LlamaParse API 密钥，格式为 Authorization: Bearer <api_key>）。注意修改 HTTP Request 节点中的 <project_id> 为实际 Supabase 项目 ID。

   搭建指导 · 本站建议版本。搭建助手检查清单；逐项确认凭证与项目 ID 替换完成

   复制提示词

   请检查工作流中所有标有 ### Replace credentials. 的 sticky note 位置，确保以下凭证已正确配置：
   1. supabaseApi - Supabase 项目 URL 与服务角色密钥
   2. openAiApi - OpenAI API 密钥
   3. googleDriveOAuth2Api - Google Drive OAuth2 客户端凭证
   4. httpHeaderAuth - LlamaParse API 密钥（Header: Authorization: Bearer <api_key>）
   同时将所有 HTTP Request 节点中的 <project_id> 替换为实际 Supabase 项目 ID。

4. 配置 Google Drive 监控触发器

   在工作流的 Scenario 3 分支中，配置 Google Drive Trigger 节点（File Created / File Updated）以监控指定的 Google Drive 文件夹。将 folderToWatch 中的示例文件夹 ID 替换为实际需要监控的文件夹 ID。设置轮询频率（默认每分钟）。当有新文件创建或更新时，工作流将自动下载并处理。

5. 配置 AI 智能体聊天接口

   在工作流的 Scenario 2 分支中，配置 AI Agent 节点的系统提示词与模型参数。AI Agent 使用 Chat Trigger（When chat message received）或 Webhook 作为输入入口。将 OpenAI Chat Model 节点选择为 gpt-4o-mini 或 gpt-4o。配置 Simple Memory 节点以使用自定义 session key（来自 Merge 节点的 session_id）维持对话上下文。

   运行提示词 · 来源原文。AI Agent1 节点的 systemMessage 字段；定义智能体行为约束

   复制提示词

   You are a helpful assistant.
   
   IMPORTANT Always use knowledge base to respond users.

6. 配置向量存储与记忆持久化

   将 Supabase Vector Store 节点配置为 retrieve-as-tool 模式，连接至 documents 表，工具名设为 knowledge_base，描述为 Gather facts from knowledge base to respond user.。配置 Insert into Supabase Vectorstore 节点（两个实例分别对应 Scenario 1 和 3）以使用 text-embedding-3-small 模型生成嵌入，分块大小 500、重叠 200。Simple Memory 使用 PostgreSQL 存储用户交互以管理对话状态。

7. 测试与调优

   完成配置后，使用手动触发（When clicking 'Test workflow'）测试 Scenario 1 的文件处理流程，验证文件能否正确下载、解析、向量化并入库。通过 Chat Trigger 或 Webhook 发送测试消息，验证 AI Agent 能否基于已存储的文档内容返回相关回答。根据响应质量调整模型参数、分块大小或系统提示词。

你正在协助复现一个 n8n 工作流模板：基于 Supabase 和 Google Drive 的 AI 文件问答智能体。请按以下顺序确认前提条件：1）Supabase 项目、private 存储桶、files/documents 表及向量扩展已就绪；2）四个凭证（supabaseApi、openAiApi、googleDriveOAuth2Api、httpHeaderAuth）已获取并配置；3）工作流 JSON 已导入且所有 <project_id> 和文件夹 ID 已替换为实际值；4）LlamaParse API 密钥已填入 HTTP Header Auth。确认后逐步执行每个场景测试。