## 这个工作流解决了什么问题？
许多网站缺乏智能、可搜索的界面。访问者经常因为问题得不到解答而离开。这个工作流将任何网站转变为检索增强生成（RAG）聊天机器人——自动提取内容、创建嵌入向量，并在您自己的网站上实现实时、上下文感知的聊天。
## 这个工作流做什么？
– 通过表单触发器接受网站URL
– 获取并清理网站内容
– 将内容解析为较小的部分
– 使用OpenAI（或您的嵌入模型）生成向量嵌入
– 将嵌入向量和元数据存储在Supabase的向量数据库中
– 当用户提问时：
– 通过相似性搜索在Supabase中搜索相关文本块
– 检索匹配内容作为上下文
– 将上下文+问题发送给OpenAI以生成准确答案
– 在聊天界面中将AI生成的响应返回给用户
## 设置说明
### 网站表单触发器
使用表单/HTTP触发器提交要索引的网站URL
### 内容提取与分块
– 使用HTTP节点获取HTML
– 清理和解析（例如，删除脚本、广告）
– 使用函数节点拆分为可管理的文本块
### 嵌入向量生成
– 调用OpenAI（或Cohere）为每个文本块生成嵌入向量
– 通过其API或n8n Supabase节点将向量和元数据插入Supabase
### 用户查询处理
– 使用聊天触发器（webhook/UI）接收用户问题
– 将问题转换为嵌入向量
– 使用相似性搜索查询Supabase（例如，match_documents RPC）
– 检索最匹配的文本块，并将它们与用户问题一起输入OpenAI
– 将回复返回给用户
### AI和数据库设置
– 用于嵌入和聊天的OpenAI API密钥
– 具有以下功能的Supabase项目：
– 启用的向量扩展
– 用于文档块和嵌入向量的表
– 类似match_documents的相似性搜索函数
## 如何在您的网站上嵌入聊天小部件
您可以使用简单的JavaScript代码段将聊天界面添加到您的网站。
步骤：
– 打开”当收到聊天消息”节点
– 复制聊天URL
– 确保”使聊天公开可用”切换已启用
– 确保模式为”嵌入式聊天”
– 按照此处提供的说明操作
## 工作原理
提交URL → 表单触发器
获取网站内容 → HTTP请求
清理和分块内容 → 函数节点
生成嵌入向量（OpenAI/Cohere）
存储在Supabase中 → 嵌入向量 + 元数据
用户聊天 → 聊天触发器
搜索相似内容 → Supabase相似性匹配
生成答案 → 带上下文的OpenAI完成
发送回复 → 聊天界面返回答案
## 为什么选择Supabase？
Supabase提供了一个基于Postgres的可扩展向量数据库，具有像pgvector这样的扩展，使其易于：
– 将向量数据与元数据一起存储
– 运行ANN（近似最近邻）相似性搜索
– 与n8n和您的聊天机器人UI无缝集成
## 谁可以使用这个？
– 文档网站
– 支持门户
– 产品/落地页
– 内部知识库
非常适合任何想要智能、特定于网站的聊天机器人，而无需从头构建整个AI堆栈的人。
## 准备好部署了吗？
插入您的：
– ✅ OpenAI API密钥
– ✅ Supabase项目凭据
– ✅ 聊天UI或webhook端点
…并在几分钟内启动您的AI驱动的、特定于网站的RAG聊天机器人！
评论(0)