n8n 教學 (四)：建立 n8n 工作流塞爆向量資料庫

發布日期：2025年5月

前言

理論準備完畢，現在是動手實作的時刻！本章節是系列教學的核心，我們將整合前幾章的成果，從無到有建立一個完整的 n8n 工作流。這個工作流會自動讀取指定的資料，透過 Gemini API 將其轉換為向量 (Embeddings)，最後存入我們在 Supabase 中建立的向量資料庫。讓我們開始吧！

步驟一：建立與設定工作流

回到 n8n 點選 Create Workflow 建立第一個工作流，並完成基本設定。

  1. 點擊左上角重新命名工作流為 n8nDocIntoVectorDB。
  2. 點擊右上角 "..." 選單，進入 "Settings"。
  3. 將 "Time Zone" 改為 "Asia/Taipei" 後儲存。
建立新工作流
圖 1: 建立新工作流
重新命名工作流
圖 2: 重新命名工作流
設定時區
圖 3: 設定時區為 Asia/Taipei

步驟二：設定 n8n Form 觸發器

我們將建立一個表單，讓使用者可以上傳 PDF 檔案作為觸發。

  1. 點選 "Add first step"，搜尋並選擇 "n8n Form"，事件為 "On new n8n Form event"。
  2. 將 "Form Title" 輸入「檔案選擇」。
  3. 點擊 "Add Form Element"，並進行以下設定：
    • Field Name: inputFiles (注意大小寫)
    • Element Type: File
    • Multiple Files: 關閉 (撥到左邊)
    • Accepted File Types: pdf
選擇 n8n Form
圖 4: 選擇 n8n Form 作為觸發器
設定表單元件
圖 5: 設定檔案上傳元件

步驟三：從 PDF 提取文字

上傳檔案後，我們需要從中提取純文字內容。

  1. 在表單節點後新增節點，搜尋 "extract" 並選擇 "Extract from File"，事件為 "Extract from PDF"。
  2. 在 "Input Binary Field" 欄位，將其從預設的 data 改為 inputFiles，對應我們在表單中設定的欄位名稱。
選擇 Extract from File
圖 6: 新增 Extract from File 節點
設定輸入欄位
圖 7: 將 Input Binary Field 指向 inputFiles

步驟四：(可選) 刪除舊資料

為了避免重複寫入，我們可以在寫入新資料前，先刪除同檔名的舊資料。

  1. 在 "Extract from File" 節點後新增 "Supabase" 節點，操作選擇 "Delete a row"。
  2. 選擇您的 Supabase 憑證，並將 "Table Name" 設為 nhi_drug_768。
  3. "Select Type" 選擇 "String"。
  4. 在 "Filters (String)" 欄位貼上以下表達式，並啟用 "Expression"： 
    metadata->>fileName=like.{{ $('On form submission').item.json.inputFile.filename }}
新增刪除節點
圖 8: 新增 Supabase Delete 節點
設定刪除過濾器
圖 9: 設定刪除條件，比對檔案名稱

步驟五：寫入 Supabase Vector Store

這是最關鍵的一步，我們會將文字轉換為向量並存入資料庫。

  1. 在 "Delete a row" 節點後 (如果有的話，否則在 "Extract from File" 後) 新增 "Supabase Vector Store" 節點，操作選擇 "Add documents to vector store"。
  2. 選擇或建立您的 Supabase 憑證。
  3. "Table Name" 選擇 nhi_drug_768，"Query Name" 改為 match_nhi_drug_768。
  4. 設定 Embedding Model:
    • 點擊節點左下的 "鬚鬚"，選擇 "Embeddings Google Gemini"。
    • 選擇或建立您的 Gemini API Key 憑證。
    • Model 選擇 models/text-embedding-004。
  5. 設定 Data Loader:
    • 點擊節點右下角的 "鬚鬚"，選擇 "Default Data Loader"。
    • 點擊 "Add Option" -> "Metadata"。
    • 點擊 "Add property"，Name 輸入 fileName，Value 貼上表達式 {{ $('On form submission').item.json.inputFile.filename }}。
  6. 設定 Text Splitter:
    • 點擊右下角鬚鬚的 "+"，選擇 "Recursive Character Text Splitter"。
    • 將 "Chunk Size" 改為 200。
設定 Supabase Vector Store
圖 10: 設定 Supabase Vector Store 節點
設定 Embedding Model
圖 11: 選擇並設定 Gemini Embedding
設定 Metadata
圖 12: 設定 Metadata，將檔名存入
設定 Text Splitter
圖 13: 設定文字切割器

步驟六：執行與驗證

一切就緒！讓我們來執行工作流並驗證結果。

  1. 點擊右上角的 "Execute workflow"。
  2. 在彈出的表單中，選擇一個 PDF 檔案並點擊 "Submit"。 (示範檔案可至 健保署網站下載)
  3. 工作流會自動執行。執行完畢後，回到您的 Supabase 專案。
  4. 打開 "Table Editor"，查看 nhi_drug_768 資料表，您應該能看到剛剛上傳檔案的內容已經被切割並寫入。
最終工作流
圖 14: 最終完成的工作流
驗證 Supabase 資料
圖 15: 在 Supabase 中確認資料已成功寫入

本章總結

恭喜您！您已經成功建立並執行了第一個結合 AI 的 n8n 自動化工作流。在本章中，我們學會了：

  • 如何透過 n8n Form 觸發工作流並接收檔案。
  • 從 PDF 檔案中提取文字內容。
  • 在寫入前刪除舊資料，避免重複。
  • 設定 Supabase Vector Store，包含 Embedding、Metadata 與 Text Splitter。
  • 將整個流程串聯起來，並成功將檔案內容寫入向量資料庫。

現在您已經掌握了將資料 "存入" 向量資料庫的技巧。在最後一篇教學中，我們將探討如何 "取出" 這些資料，讓 AI 參考向量資料庫的內容來回答問題，完成一個簡易的 RAG (Retrieval-Augmented Generation) 應用。

返回 n8n 教學列表