資料只是素材，知識才是品牌的靈魂。

在前面幾天，我們學會了透過爬蟲、RSS 等方式，把資料從網路上抓下來，變成我們可以操作的資料流。

但對於做內容行銷、社群經營的人來說，還有另一件更重要的事，讓 AI 說話時，能保有我們的品牌特性，而不是像在網路上隨便找答案。

這時候，「知識庫（Knowledge Base）」 就登場了。

本篇的工作流範本可在此下載。（下載連結）

為什麼需要知識庫？

你可以想像它像 NotebookLM 這種工具一樣，先讓 AI 讀過你上傳的文章、教學、品牌內容，之後 AI 就會根據這些資料來回答問題或生成內容，而不是胡亂回答。

不過也有人會好奇：

「那 AI 要一直讀整份資料嗎？這樣不是會超慢又很花費？」

其實不用。這裡會用到一個叫 「嵌入式模型（Embedding Model）」 和 **「向量資料庫（Vector Database）」**的概念：

• 嵌入式模型會把資料內容轉換成一串數字（向量），好比是把文章壓縮成 AI 能理解的「座標點」。
• 下次要生成內容時，AI 只需要先找出與問題最接近的資料，再來回答就好，不必讀全部。

今天這篇，我們會把資料轉成向量資料，做出專屬知識庫；

明天（Day 23）才會教你如何使用這個知識庫來生成內容。

📰 第一步：收集資料（RSS + Aggregate）

雖然前面教過用爬蟲收集資料，但這次我們改用更輕鬆的方法：RSS

1. RSS 是什麼？

   RSS 是一種可以訂閱網站更新的格式。

   例如 iThome 提供我們這一系列文章的 RSS，我們可以輕鬆抓到全部文章的內容。

2. 操作步驟

   • 在白板上新增「手動觸發」節點，後面接上「RSS Read」節點。
   • 把本系列 RSS 連結貼上：https://ithelp.ithome.com.tw/rss/series/8470
   • 執行後會看到多個 items（我執行當下是 18 篇）

3. 聚合成一筆資料（Aggregate）
   • RSS 會一次抓出很多篇文章，但我們想要把它們合併成一筆資料方便後續處理
   • 使用「Aggregate」節點設定：
     • Aggregate：All Item Data (Into a Single List)
     • Put Output in Field：data
     • Include：Specified Fields
     • Fields To Include：選 title, link, content:encodedSnippet

執行後，我們就會得到一筆包含所有文章資料的 JSON，可以準備送進向量資料庫了。

🧠 第二步：Supabase Vector Store 節點設定

有很多種向量資料庫可以選，我們用之前 Day 5 安裝過的 Supabase，因為它內建支援向量儲存，非常適合入門。

1. 在前面的 Aggregate 節點後，新增「Supabase Vector Store」節點
   • Operation Mode 選擇：Insert Documents（代表要把資料存進向量資料庫）
2. 它會需要兩個資料來源：
   • Embedding（嵌入式模型）：連上「Embeddings Google Gemini」節點
     • 嵌入式模型不是 LLM（生成模型），它是專門把內容轉成向量資料
     • 選擇 models/text-embedding-004，其向量維度是 768
   • Document（文件資料）：連上「Default Data Loader」節點
     • Type of Data 選擇：JSON
     • Mode 選擇：Load All Input Data
     • 如果你輸入的是檔案，則 Type of Data 要選 Binary

🗄️ 第三步：在 Supabase 上建立向量資料表

還沒建資料表，資料是無法存進去的，要先在 Supabase 建好。

1. 在 Supabase 後台左側點選「SQL Editor」
2. 在上方的「Quickstarts」找到「LangChain」範例庫，裡面有一段 SQL 是建立向量資料表的教學
3. 注意：預設程式碼裡有兩處寫著 vector(1536)，這代表它預期你用的是 1536 維度的模型（例如 OpenAI 的 embedding）
   • 但我們用的是 768 維度的 Google Gemini 模型，所以要把那兩個 1536 改成 768
4. 點選「Run」，資料表就建立完成 🎉

🚀 第四步：執行工作流，存進資料庫

現在回到 n8n，執行整個工作流，

你就會看到所有 RSS 資料被轉換成向量資料，存進 Supabase 的資料表裡。

可以到 Supabase 的「Table Editor」中查看 documents 表，就會看到每篇文章的向量資料都在那裡。

📌 小作業

• 嘗試將自己的一些內容（例如過去寫過的文章）轉換成向量資料並存進 Supabase。
• 想一想：未來你想讓 AI 學會哪些品牌內容？先蒐集起來，明天我們會學怎麼讓 AI 開始使用這些資料。

交流

我建立了一個行銷技術交流群，專注討論 SEO、行銷自動化等主題，歡迎有興趣的朋友一起加入交流。

掃QR Code 或點擊圖片加入