[GUIA] Como criar RAG com Supabase Vector + OpenAI Embeddings dentro do n8n
Montei uma arquitetura completa de RAG (Retrieval Augmented Generation) rodando 100% no n8n com nós nativos de LangChain conectados ao Supabase pgvector. Passos da Arquitetura: 1. Document Loader: Faz leitura de PDFs de manuais e políticas da empresa. 2. Text Splitter: Divide em pedaços (chunks) de 500 caracteres com overlap de 50. 3. Embeddings: Gera vetores com text-embedding-3-small (custo quase nulo). 4. Vector Store: Grava e busca no Supabase com similarity_cosine. 5. Conversational Agent: Responde o usuário com a memória das últimas 5 mensagens preservadas no Redis.