Реализован учебно-практический кейс базы знаний с AI-поиском на Supabase и pgvector. В n8n настроен сценарий загрузки документов в vector store: данные подготавливаются, разбиваются на фрагменты, проходят через embeddings-модель и сохраняются в Supabase. В таблице базы знаний хранятся текстовые фрагменты, metadata и embedding-векторы. Дополнительно настроен AI Agent, который принимает вопрос пользователя, обращается к Supabase Vector Store, находит релевантные документы и формирует ответ на основе базы знаний. Проверена работа поиска по смыслу и фильтрация через metadata, например по теме topic="sales". Такой сценарий можно использовать для FAQ-ботов, внутренних баз знаний, поиска по инструкциям, регламентам, коммерческим материалам и обучающим документам. Использовались: n8n, Supabase, pgvector, Vector Store, OpenAI Embeddings, AI Agent, RAG, metadata filter, JSON.