在n8n中使用Supabase数据库的详细指南

一、准备工作

1. 获取Supabase连接信息

   • 登录Supabase控制台，进入目标项目
   • 点击顶部”Connect”按钮，选择”Session pooler”连接方式（推荐用于n8n）
   • 记录连接参数：
     • 主机：aws-0-[REGION].pooler.supabase.com
     • 端口：5432
     • 数据库名：postgres
     • 用户名：postgres.[项目ID]（格式示例：postgres.apbkobhfnmcqqzqeeqss）
     • 密码：在项目创建时设置的数据库密码（可在Settings > Database重置）

2. 获取API密钥（如使用Vector Store）

   • 进入Settings > API
   • 复制”service_role”密钥（用于服务器端操作）

二、使用PostgreSQL节点连接Supabase

1. 添加PostgreSQL节点

   • 在n8n工作流中添加”PostgreSQL”节点
   • 点击”Credentials” > “Create new”创建新凭证

2. 配置数据库连接

   • 填写连接参数：
     • Host: 从Supabase获取的主机地址
     • Port: 5432
     • Database: postgres
     • Username: 完整的用户名（包含项目ID）
     • Password: Supabase数据库密码
     • SSL: 启用（选择”require”模式）

3. 测试连接

   • 点击”Test Connection”按钮验证配置
   • 若连接失败，检查：
     • 密码是否正确
     • SSL设置是否启用
     • 网络是否支持IPv4连接

三、使用Supabase Vector Store节点（适用于RAG场景）

1. 添加Supabase Vector Store节点

   • 在n8n中添加”Supabase Vector Store”节点
   • 配置认证信息：
     • Supabase URL: https://[项目ID].supabase.co
     • Service Role Secret: 从Supabase API设置中获取的service_role密钥

2. 创建向量表

   • 进入Supabase控制台的SQL编辑器

   • 运行以下脚本创建必要的表结构：

     -- 启用向量扩展
     create extension if not exists vector;
     
     -- 创建文档表
     create table documents (
       id uuid primary key,
       content text, -- 文档内容
       metadata jsonb, -- 元数据
       embedding vector(1536) -- 向量字段，1536维度适用于OpenAI嵌入
     );
     
     -- 创建相似性搜索函数
     create function match_documents (
       query_embedding vector(1536),
       filter jsonb default '{}'
     ) returns table (
       id uuid,
       content text,
       metadata jsonb,
       similarity float
     ) language plpgsql as $$
     #variable_conflict use_column
     begin
       return query
       select
         id,
         content,
         metadata,
         1 - (documents.embedding <=> query_embedding) as similarity
       from documents
       where metadata @> filter
       order by documents.embedding <=> query_embedding;
     end;
     $$;
     

3. 配置向量存储节点

   • 在n8n节点中选择创建的”documents”表
   • 设置查询名称为”match_documents”
   • 配置嵌入模型（如OpenAI嵌入）

四、示例工作流

1. 从Supabase读取数据

   • 配置PostgreSQL节点为”Execute Query”模式
   • 输入SQL查询：SELECT * FROM your_table LIMIT 10
   • 连接到后续节点处理数据

2. 向Supabase写入数据

   • 配置PostgreSQL节点为”Insert”模式
   • 选择目标表并映射输入字段
   • 连接触发器节点（如定时触发器或Webhook）

3. 向量相似性搜索

   • 添加”AI Model”节点生成查询嵌入
   • 连接”Supabase Vector Store”节点执行相似性搜索
   • 将结果传递给LLM节点生成自然语言回答

五、常见问题解决

1. 连接拒绝错误

   • 确认Supabase项目状态正常
   • 检查网络是否支持IPv4（Session pooler模式）
   • 验证主机和端口是否正确

2. 认证失败

   • 重置数据库密码（Settings > Database）
   • 确认用户名格式正确（包含项目ID）

3. SSL相关错误

   • 确保SSL模式已启用
   • 如需要证书，从Supabase控制台下载根证书并在n8n中配置

六、安全最佳实践

1. 不要在前端暴露service_role密钥，仅在服务器端使用
2. 启用Row Level Security (RLS)保护敏感数据
3. 定期轮换数据库密码和API密钥
4. 限制n8n服务器的IP访问权限（Supabase > Project Settings > Network）