Ressources · Intégration n8n

Nœud Postgres PGVector Store n8nConfigurer Postgres PGVector Store dans n8n.

Tes documents et leurs vecteurs peuvent rester dans la base Postgres que tu as déjà. Le nœud Postgres PGVector Store n8n insère des documents dans une table PGVector, en ressort les plus proches d'une question, ou ouvre cette table à un agent. Deux paramètres, quatre modes.

Tester le nœud Postgres PGVector Store sur n8nVoir les 2 paramètres

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Postgres PGVector Store n8n ?

PGVector est une extension de Postgresql, et ce nœud est la porte d'entrée de n8n vers les tables PGVector de ta base. Il y insère des documents, en récupère ceux qui ressemblent le plus à une requête, ou met la table à disposition d'une chaîne ou d'un agent. Une table vectorielle garde le texte à côté de sa représentation chiffrée : c'est ce qui permet de chercher par le sens plutôt que par mot exact.

Premier usage, le plus simple : l'alimentation. Le nœud se place dans le flux normal du workflow, en mode Insert Documents, et chaque item qui arrive se retrouve dans la table que tu as nommée. Aucun agent, aucune conversation. Une base documentaire d'assurance ou un manuel interne se charge comme ça, document par document, au moment où il est publié.

Deuxième usage : répondre. En mode Get Many, le nœud prend un texte de recherche et renvoie les documents les mieux classés par proximité. Avec Limit à 10, tu récupères les dix meilleurs. Ce résultat part ensuite où tu veux, dans un message Slack ou dans une réponse préparée pour un client.

Troisième usage : confier la table à un assistant. Le mode Retrieve Documents (As Tool for AI Agent) transforme le magasin de vecteurs en outil qu'un AI Agent décide d'appeler seul, à partir des champs Name et Description que tu écris. Un outil, ici, c'est une ressource que le modèle consulte quand il lui manque une information. L'autre forme, Retrieve Documents (As Vector Store for Chain/Tool), se branche sur un Vector Store Retriever qui alimente une Question and Answer Chain, ou sur un Vector Store Question Answer Tool qui résume avant de répondre.

Quand vaut-il mieux autre chose ? Si tu n'interroges jamais tes documents par le sens, une table vectorielle n'apporte rien et une table Postgres classique suffit. Et comme un document doit être transformé en vecteurs avant d'être stocké, le fournisseur de modèle que tu choisis, OpenAI ou Anthropic par exemple, facture ses propres appels d'API selon ses conditions. n8n n'ajoute rien par-dessus.

Les limites méritent d'être dites franchement. Ce nœud n'est pas un trigger, c'est-à-dire un déclencheur : quelque chose d'autre doit lancer le workflow. Il est en version 1, et un workflow ancien peut en afficher une plus vieille, avec moins d'options. Pour le choix de la plateforme elle-même, l'Avis n8n creuse le sujet.

Connexion

Comment brancher n8n sur ta base PGVector ?

  1. 01

    Créer le credential Postgres

    Dans le menu Credentials, ajoute le credential Postgres : Host, Database, User, Password, Port, un mode SSL (Allow, Disable ou Require) et un interrupteur Ignore SSL Issues. Crée-le une fois, réutilise-le dans tous les workflows de la même base.

  2. 02

    Désigner la table

    Renseigne Table Name avec la table PGVector visée. Si elle n'existe pas encore, le nœud la crée. Pratique au premier lancement, traître ensuite : une faute de frappe fabrique une table vide toute neuve au lieu de lever une erreur. Écris le nom une fois, puis recopie exactement la même valeur dans le workflow qui alimente et dans celui qui interroge.

  3. 03

    Choisir le mode et tester un item

    Règle Operation Mode selon le rôle de cette copie du nœud, puis exécute le workflow sur un seul item. En Insert Documents, tu vois les lignes arriver. En Get Many avec un Prompt court, tu vois si quelque chose remonte et dans quel ordre. Faire ce test avant de brancher un agent évite de chercher la panne derrière un appel de modèle.

Paramètres

Quels paramètres le nœud propose-t-il ?

Le nœud Postgres PGVector Store compte 2 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Operation Mode

mode

Ce que tu vois dans n8n

Notes & cas d'usage

Ce sélecteur fixe le rôle du nœud face à la table et commande les champs affichés en dessous.

Paramètres clés

  • Operation Mode : insert (Insert Documents) pour écrire des documents, load (Get Many) pour récupérer les documents classés face à une requête, retrieve (Retrieve Documents (As Vector Store for Chain/Tool)) pour ouvrir le magasin aux nœuds IA, retrieve-as-tool (Retrieve Documents (As Tool for AI Agent)) pour l'exposer comme outil.
  • Prompt : requis en Get Many, le texte comparé aux documents stockés, souvent {{ $json.question }}.
  • Limit : le nombre de résultats les mieux classés à remonter.
  • Name et Description : requis en mode outil, ils disent au modèle ce que la table contient.
Cas d'usage
une copie en insert, une autre en load.
02

Table Name

tableName

Ce que tu vois dans n8n

Notes & cas d'usage

Il désigne la table où les vecteurs sont stockés. Tous les modes le lisent, et le nœud crée la table si elle manque.

Paramètres clés

  • Table Name : la table PGVector qui reçoit les vecteurs, écrite en clair ou tirée de l'item par une expression du type {{ $json.table }} quand un même workflow sert plusieurs jeux de documents.
Cas d'usage
les procédures RH et le catalogue produit vivent dans deux tables distinctes, pour qu'une question sur un tarif ne remonte jamais une note de congés. La valeur doit rester identique entre le workflow qui alimente et celui qui interroge.
Besoin d'aide

Besoin d'aide pour automatiser Postgres PGVector Store avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Postgres PGVector Store et n8n : les questions fréquentes

01Le nœud Postgres PGVector Store est-il inclus dans n8n ?
Oui. Il fait partie du paquet IA livré avec n8n : rien à installer, aucun surcoût côté n8n. Il fonctionne de la même façon sur n8n Cloud, l'offre hébergée par n8n, et sur une instance auto-hébergée installée via Docker ou npm, en Community Edition sous licence Sustainable Use. Un workflow passe d'un environnement à l'autre sans modification. Ce qui coûte, c'est ailleurs : le fournisseur du modèle qui transforme tes documents en vecteurs, OpenAI, Anthropic, Google ou Mistral, facture ses propres appels d'API selon ses conditions, et n8n n'ajoute rien par-dessus.
02Que faut-il pour que le nœud fonctionne ?
Une base Postgres équipée de l'extension PGVector, et le credential Postgres de ce nœud, créé une fois dans le menu Credentials puis réutilisé partout. Ensuite, un nom de table. Tu n'as pas à la créer à la main : si elle manque, le nœud la crée au premier passage. Reste la transformation des documents en vecteurs, qui passe par ton fournisseur de modèle et son propre credential. Une fois la fiche enregistrée dans n8n, tout autre workflow qui vise la même base la sélectionne dans la liste au lieu de redemander les informations de connexion.
03Quelles sont les limites du nœud ?
C'est un nœud d'action, pas un déclencheur : il ne lance jamais un workflow tout seul, il faut un Schedule, un webhook ou un message de chat en amont. Le catalogue le donne en version 1, et un workflow monté plus tôt peut afficher une version antérieure avec moins d'options. Seul ce que le panneau expose est disponible, à savoir le mode, le nom de table et les champs liés à chaque mode ; le reste se traite avec une requête Postgres classique. Enfin, comme une table absente est créée sans prévenir, un mauvais nom donne un résultat vide plutôt qu'une erreur lisible.
04Par quoi commencer avec le nœud Postgres PGVector Store n8n ?
Commence sans agent, c'est plus lisible. Place le nœud dans un workflow normal en mode Insert Documents, fais passer deux ou trois documents, puis ajoute une seconde copie en Get Many avec un Prompt court et regarde si le classement a du sens. Quand cette partie tient, choisis comment le magasin sera consommé. Retrieve Documents (As Tool for AI Agent) se branche directement sur le connecteur d'outils d'un AI Agent. Retrieve Documents (As Vector Store for Chain/Tool) passe par un Vector Store Retriever vers une Question and Answer Chain, ou par un Vector Store Question Answer Tool qui résume avant de répondre.
05n8n ou Make pour une base de connaissances PGVector ?
La différence se joue sur l'hébergement et les données. Make est hébergé par Make, sans option d'auto-hébergement, et se facture à l'opération. n8n tourne sur ton propre serveur si tu le décides, ce qui compte ici : tes vecteurs et tes documents sources sont déjà dans ta base Postgres, et garder la couche d'automatisation à côté se défend. Sur le coût, un tarif à l'opération se prévoit bien à faible volume, moins bien quand un chargement massif fait passer des milliers de documents. Les deux se construisent visuellement : le choix tient à l'endroit où vivent tes données et à ta courbe de volume.
Hack'celeration Lab

Reçois nos tips intégration chaque semaine.

Pas de spam. Désinscription à tout moment.

Même plateforme

Autres docs utiles sur ce stack.

Voir toutes les intégrations