Векторні пайплайни швидко роз'їжджаються: повторне завантаження файлу створює дублікати чанків, і ніхто не розуміє, яка версія актуальна. Цей флоу тримає вставку, апсерт і пошук в одному місці.
Векторні пайплайни швидко роз'їжджаються: повторне завантаження файлу створює дублікати чанків, і ніхто не розуміє, яка версія актуальна. Цей флоу тримає вставку, апсерт і пошук в одному місці.
Усе лежить у Supabase на pgvector, апсерти прив'язані до стабільного ID документа, тож повторне завантаження замінює старі чанки, а не нагромаджує їх. Кожна операція логується з ID джерела, тому завжди можна простежити, що саме було вбудовано і коли.
Як він працює
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Оновлюйте записи за стабільним ID документа, щоб повторне завантаження файлу замінювало старі фрагменти, а не дублювало їх.
pending
Отримуйте найближчі фрагменти для запиту за допомогою косинусної відстані та фільтру за метаданими.
pending
Логуйте кожну вставку, оновлення та отримання разом із ID джерела, щоб увесь потік залишався прозорим для аудиту.
pending
Приклад результату
json
// Sample output
// (generated when the pipeline finishes)
Run insert, upsert, and retrieval over a Supabase pgvector store with stable IDs and a logged audit trail.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.