Как сделать долговременную память для агента без боли и мусора (RAG в Supabase) [S02E04]

Надоело, что AI-агент забывает прошлые разговоры или вытаскивает нерелевантные обрывки фраз? В этой серии решаем самую наболевшую проблему — организацию долговременной памяти в n8n. Стандартный поиск векторов часто работает криво: режет контекст на куски и выдает "шлак". Я покажу метод работы с Supabase, где мы пришиваем к каждому чанку уникальный "Parent ID" и теги. Это позволяет агенту вытаскивать из базы не огрызки, а весь диалог целиком по смыслу. В видео подробно разбираем: — Что писать в базу: правильная структура метаданных (имя агента, теги, parent_id). — Архитектура записи: почему сохранение в базу должно стоять в самом конце пайплайна (чтобы юзер не ждал ответ ). — Как доставать данные (PULL vs PUSH): почему агенту нельзя доверять тулы для поиска (он их игнорирует) и как принудительно "толкать" контекст прямо в промпт. В конце тестируем схему на примере: проверяем, вспомнит ли агент наши планы по строительству дачи. Ссылки: 🔗 Мой Telegram канал: https://t.me/MyAIBackOffice. Внедряй AI. Автоматизируй жизнь. #n8n #aiagent #supabase #rag #векторнаябаза #chatgpt #автоматизация #llm #MyAIBackOffice #памятьии