code-ai-installer 1.2.0 → 1.3.1

package/.agents/n8n_pinecone_qdrant_supabase/SKILL.md

@@ -1,59 +1,671 @@
----
-name: n8n_pinecone_qdrant_supabase
-description: Практический skill для архитектора и разработчика по проектированию и реализации production-сценариев с n8n, Pinecone, Qdrant и Supabase (auth, RLS, data flow, observability, reliability).
----
-
-# Skill: n8n + Pinecone/Qdrant + Supabase
-
-Используй этот skill, когда нужно спроектировать или реализовать интеграции, где:
-- `n8n` оркестрирует процессы и интеграции,
-- `Pinecone` или `Qdrant` используется как vector DB,
-- `Supabase` используется как Postgres/Auth/Storage/Realtime слой.
-
-## Scope
-- Архитектура потоков: webhook/event-driven/scheduled.
-- Выбор vector DB: Pinecone vs Qdrant по требованиям продукта.
-- Supabase: Auth, RLS, schema design, migrations, Edge Functions/DB functions.
-- Надёжность: retry, idempotency, DLQ-подход, таймауты, backoff.
-- Наблюдаемость: correlation id, структурные логи, техметрики, алерты.
-- Безопасность: least privilege, secrets hygiene, tenant isolation.
-
-## Workflow
-1. Уточни контекст:
-- объём данных, latency/SLA, multi-tenant, регион/комплаенс, бюджет.
-- managed-only или допускается self-hosted инфраструктура.
-2. Выбери vector DB:
-- `Pinecone`: managed-first, быстрый старт, меньше ops.
-- `Qdrant`: self-hosted/гибрид, контроль инфраструктуры и стоимости.
-3. Спроектируй интеграционный контур:
-- n8n как orchestrator, app backend как domain owner.
-- чёткие границы ответственности: ingestion/search/authz/audit.
-4. Спроектируй Supabase-слой:
-- явные таблицы/индексы/политики RLS,
-- service-role только в backend/automation boundaries,
-- migrations как единственный путь изменения схемы.
-5. Зафиксируй контракт потоков:
-- входные/выходные payload schema,
-- idempotency key,
-- retry policy, failure handling, reconciliation job.
-6. Передай в реализацию:
-- задачи вертикальными срезами,
-- checklist по безопасности, тестам, observability.
-
-## Decision Rules
-- Не использовать одновременно Pinecone и Qdrant в одном production-контуре без явного ADR.
-- Не давать `service_role` в клиентские приложения.
-- Для multi-tenant всегда фиксировать tenant boundary в schema + RLS + API layer.
-- n8n не должен подменять доменную бизнес-логику приложения; только orchestration/integration.
-
-## Minimum Deliverables
-- ADR: выбор vector DB и deployment model.
-- API/data contracts для ingestion/search/update/delete.
-- Supabase RLS policy list и auth model.
-- n8n workflow map (trigger -> transform -> action -> error path).
-- Observability план (logs/metrics/traces + alert conditions).
-
-## Boundaries
-- Не использовать mock functions/mock data для рабочих сценариев и demo.
-- Не выпускать изменения без failure path (retry/timeout/error handling).
-- Для high-risk flows блокировать релиз при отсутствии security или parity evidence.
+---
+name: n8n_pinecone_qdrant_supabase
+description: Паттерны интеграции n8n (автоматизация workflows) с векторными БД Pinecone и Qdrant и с Supabase (PostgreSQL + Auth + Storage + Realtime). Используй этот скилл при построении AI-пайплайнов, RAG-систем, автоматизации данных, работе с эмбеддингами, семантическом поиске, или любой оркестрации между этими инструментами. Активируй при вопросах про n8n workflows, векторный поиск, upsert эмбеддингов, Supabase RLS, или построение RAG поверх этого стека.
+---
+
+# Skill: n8n + Pinecone + Qdrant + Supabase
+
+Паттерны для построения AI-пайплайнов, RAG-систем и автоматизаций на этом стеке.
+
+**Разделы:**
+1. [n8n: паттерны workflows](#1-n8n-workflows)
+2. [Pinecone: upsert, поиск, namespace-стратегия](#2-pinecone)
+3. [Qdrant: коллекции, payload-фильтры, поиск](#3-qdrant)
+4. [Supabase: pgvector, RLS, Realtime](#4-supabase)
+5. [RAG-пайплайн: полный пример](#5-rag-пайплайн)
+6. [n8n + Supabase: типичные интеграции](#6-n8n--supabase)
+7. [DO/DON'T: частые ошибки](#7-частые-ошибки)
+
+---
+
+## 1. n8n Workflows
+
+### ✅ DO: структура надёжного workflow
+```
+Trigger → Validate → Transform → Action → Error Handler
+```
+
+- **Trigger**: Webhook, Schedule, DB-событие, Supabase Realtime
+- **Validate**: проверяй входные данные сразу — не пускай мусор дальше
+- **Transform**: Code-ноды для сложной логики, Set-ноды для простого маппинга
+- **Action**: HTTP Request / нативная нода / вызов внешнего API
+- **Error Handler**: всегда вешай на workflow — иначе упавший run молча исчезнет
+
+### ✅ DO: Code-нода для трансформаций (JS)
+```js
+// n8n Code node — обрабатывает все items
+const results = [];
+
+for (const item of $input.all()) {
+  const { text, sourceId, metadata } = item.json;
+
+  // ✅ Ранняя проверка — пропускаем невалидные items
+  if (!text || typeof text !== "string") {
+    continue; // или: throw new Error(`Item ${sourceId}: missing text`);
+  }
+
+  results.push({
+    json: {
+      id:       sourceId,
+      content:  text.trim().slice(0, 8000), // ✅ обрезаем до лимита эмбеддинга
+      metadata: {
+        ...metadata,
+        processedAt: new Date().toISOString(),
+      },
+    },
+  });
+}
+
+return results;
+```
+
+### ✅ DO: разбивать большие документы на чанки
+```js
+// Code node: chunking с overlap
+function chunkText(text, chunkSize = 1000, overlap = 200) {
+  const chunks = [];
+  let start = 0;
+
+  while (start < text.length) {
+    const end = Math.min(start + chunkSize, text.length);
+    chunks.push({
+      text:       text.slice(start, end),
+      chunkIndex: chunks.length,
+      startChar:  start,
+      endChar:    end,
+    });
+    start += chunkSize - overlap; // ✅ overlap сохраняет контекст на стыках
+  }
+
+  return chunks;
+}
+
+const { content, docId, metadata } = $input.first().json;
+const chunks = chunkText(content);
+
+return chunks.map((chunk, i) => ({
+  json: {
+    id:      `${docId}_chunk_${i}`,
+    text:    chunk.text,
+    metadata: { ...metadata, docId, chunkIndex: i, totalChunks: chunks.length },
+  },
+}));
+```
+
+### ✅ DO: обработка ошибок в workflow
+```
+1. Settings → Error Workflow → указать отдельный error-workflow
+2. В error-workflow: получаем $execution.error → логируем в Supabase/Slack
+3. Для HTTP Request нод: включай "Continue on Fail" + проверяй статус в следующей ноде
+```
+
+```js
+// Code node: проверка ответа HTTP Request
+const response = $input.first().json;
+
+if (response.error || response.statusCode >= 400) {
+  throw new Error(`API error: ${response.statusCode} — ${JSON.stringify(response.error)}`);
+}
+
+return [{ json: response }];
+```
+
+### ✅ DO: environment variables для секретов
+```
+Settings → Variables → добавить PINECONE_API_KEY, SUPABASE_URL и т.д.
+В нодах: {{ $vars.PINECONE_API_KEY }}
+❌ Никогда не хардкодить ключи прямо в ноды
+```
+
+---
+
+## 2. Pinecone
+
+### ✅ DO: стратегия namespace
+```
+namespace = tenant или категория данных
+
+Примеры:
+  "user_123"          → персональные данные пользователя
+  "docs_product"      → документация по продукту
+  "kb_support"        → база знаний поддержки
+  ""                  → дефолтный namespace (не смешивай с именованными)
+```
+
+### ✅ DO: upsert эмбеддингов (HTTP Request нода в n8n)
+```js
+// Code node: подготовка батча для Pinecone upsert
+const items = $input.all();
+
+const vectors = items.map(item => ({
+  id:       item.json.id,          // уникальный string ID
+  values:   item.json.embedding,   // float[] от модели эмбеддинга
+  metadata: {
+    // ✅ Только примитивы: string, number, boolean, string[]
+    text:       item.json.text.slice(0, 1000), // Pinecone лимит metadata ~40KB
+    sourceUrl:  item.json.sourceUrl,
+    docId:      item.json.docId,
+    chunkIndex: item.json.chunkIndex,
+    updatedAt:  new Date().toISOString(),
+  },
+}));
+
+// Возвращаем батчами по 100 (лимит Pinecone upsert)
+const batchSize = 100;
+const batches = [];
+for (let i = 0; i < vectors.length; i += batchSize) {
+  batches.push({ json: { vectors: vectors.slice(i, i + batchSize) } });
+}
+
+return batches;
+```
+
+```json
+// HTTP Request нода: POST https://YOUR_INDEX.svc.YOUR_ENV.pinecone.io/vectors/upsert
+// Headers: Api-Key: {{ $vars.PINECONE_API_KEY }}, Content-Type: application/json
+// Body: { "vectors": {{ $json.vectors }}, "namespace": "docs_product" }
+```
+
+### ✅ DO: семантический поиск с фильтрами
+```json
+// POST /query
+{
+  "vector":          "{{ $json.queryEmbedding }}",
+  "topK":            10,
+  "namespace":       "docs_product",
+  "includeMetadata": true,
+  "filter": {
+    "docId":     { "$eq": "manual_v2" },
+    "updatedAt": { "$gte": "2024-01-01" }
+  }
+}
+```
+
+```js
+// Code node: обработка результатов поиска
+const matches = $input.first().json.matches ?? [];
+
+// ✅ Фильтруем по score — отсекаем слабые совпадения
+const relevant = matches
+  .filter(m => m.score >= 0.75)
+  .map(m => ({
+    text:      m.metadata.text,
+    score:     m.score,
+    sourceUrl: m.metadata.sourceUrl,
+    chunkIndex: m.metadata.chunkIndex,
+  }));
+
+return [{ json: { matches: relevant, count: relevant.length } }];
+```
+
+### ✅ DO: удаление устаревших векторов
+```json
+// POST /vectors/delete
+{
+  "filter":    { "docId": { "$eq": "manual_v1" } },
+  "namespace": "docs_product",
+  "deleteAll": false
+}
+```
+
+---
+
+## 3. Qdrant
+
+### ✅ DO: создание коллекции с правильными параметрами
+```json
+// PUT /collections/documents
+{
+  "vectors": {
+    "size":     1536,
+    "distance": "Cosine"
+  },
+  "optimizers_config": {
+    "default_segment_number": 2
+  },
+  "replication_factor": 1
+}
+```
+
+```
+distance:
+  Cosine   → нормализованные эмбеддинги (OpenAI, text-embedding-*)  ✅ чаще всего
+  Dot      → не нормализованные, максимизируем скалярное произведение
+  Euclid   → когда важно абсолютное расстояние
+```
+
+### ✅ DO: upsert точек с payload
+```js
+// Code node: подготовка для Qdrant upsert
+const points = $input.all().map(item => ({
+  id:      item.json.id,         // ✅ uint64 или UUID string
+  vector:  item.json.embedding,
+  payload: {
+    text:       item.json.text,
+    docId:      item.json.docId,
+    chunkIndex: item.json.chunkIndex,
+    sourceUrl:  item.json.sourceUrl,
+    language:   item.json.language ?? "ru",
+    createdAt:  Math.floor(Date.now() / 1000), // ✅ unix timestamp для range-фильтров
+  },
+}));
+
+return [{ json: { points } }];
+```
+
+```json
+// PUT /collections/documents/points
+// Body: { "points": {{ $json.points }} }
+```
+
+### ✅ DO: поиск с payload-фильтрами
+```json
+// POST /collections/documents/points/search
+{
+  "vector":       "{{ $json.queryEmbedding }}",
+  "limit":        10,
+  "with_payload": true,
+  "filter": {
+    "must": [
+      { "key": "language", "match": { "value": "ru" } },
+      { "key": "createdAt", "range": { "gte": 1704067200 } }
+    ],
+    "must_not": [
+      { "key": "docId", "match": { "value": "draft_123" } }
+    ]
+  },
+  "score_threshold": 0.70
+}
+```
+
+### ✅ DO: scroll для экспорта / батч-обновлений
+```json
+// POST /collections/documents/points/scroll
+// Используй когда нужно перебрать ВСЕ точки без векторного поиска
+{
+  "limit":        100,
+  "with_payload": true,
+  "with_vector":  false,
+  "filter": {
+    "must": [{ "key": "docId", "match": { "value": "manual_v1" } }]
+  },
+  "offset": null
+}
+// Следующая страница: "offset": last_result.next_page_offset
+```
+
+### ✅ DO: именованные векторы для multi-modal поиска
+```json
+// Коллекция с несколькими векторами на точку
+{
+  "vectors": {
+    "text":  { "size": 1536, "distance": "Cosine" },
+    "image": { "size": 512,  "distance": "Cosine" }
+  }
+}
+
+// Поиск только по text-вектору:
+// POST /collections/docs/points/search
+{ "vector": { "name": "text", "vector": [...] }, "limit": 5 }
+```
+
+---
+
+## 4. Supabase
+
+### ✅ DO: pgvector для семантического поиска прямо в Postgres
+```sql
+-- Включить расширение (один раз)
+create extension if not exists vector;
+
+-- Таблица с эмбеддингами
+create table documents (
+  id          uuid primary key default gen_random_uuid(),
+  content     text        not null,
+  embedding   vector(1536),          -- размер под модель
+  metadata    jsonb        default '{}',
+  user_id     uuid         references auth.users(id),
+  created_at  timestamptz  default now()
+);
+
+-- ✅ HNSW индекс — быстрее IVFFlat для большинства случаев
+create index on documents
+  using hnsw (embedding vector_cosine_ops)
+  with (m = 16, ef_construction = 64);
+
+-- Функция семантического поиска
+create or replace function match_documents(
+  query_embedding vector(1536),
+  match_threshold float  default 0.75,
+  match_count     int    default 10,
+  filter_user_id  uuid   default null
+)
+returns table (
+  id         uuid,
+  content    text,
+  metadata   jsonb,
+  similarity float
+)
+language sql stable
+as $$
+  select
+    id,
+    content,
+    metadata,
+    1 - (embedding <=> query_embedding) as similarity
+  from documents
+  where
+    (filter_user_id is null or user_id = filter_user_id)
+    and 1 - (embedding <=> query_embedding) > match_threshold
+  order by embedding <=> query_embedding
+  limit match_count;
+$$;
+```
+
+### ✅ DO: RLS — изоляция данных по пользователю
+```sql
+-- ✅ Включить RLS на таблице
+alter table documents enable row level security;
+
+-- Пользователь видит только свои документы
+create policy "users_own_documents"
+  on documents for all
+  using (auth.uid() = user_id)
+  with check (auth.uid() = user_id);
+
+-- Сервисный ключ (service_role) обходит RLS — используй только на бэкенде/n8n
+-- Anon/authenticated ключ — подчиняется RLS — используй на клиенте
+```
+
+### ✅ DO: вызов match_documents из n8n (HTTP Request)
+```json
+// POST https://YOUR_PROJECT.supabase.co/rest/v1/rpc/match_documents
+// Headers:
+//   apikey: {{ $vars.SUPABASE_SERVICE_KEY }}
+//   Authorization: Bearer {{ $vars.SUPABASE_SERVICE_KEY }}
+//   Content-Type: application/json
+{
+  "query_embedding":  "{{ $json.embedding }}",
+  "match_threshold":  0.75,
+  "match_count":      10,
+  "filter_user_id":   null
+}
+```
+
+### ✅ DO: Supabase Realtime как триггер для n8n
+```
+Supabase → Database Webhooks → при INSERT/UPDATE в таблицу → POST на n8n Webhook URL
+
+Настройка в Supabase Dashboard:
+  Database → Webhooks → Create Webhook
+    Table:  documents
+    Events: INSERT
+    URL:    https://YOUR_N8N.com/webhook/process-document
+    HTTP Method: POST
+```
+
+### ✅ DO: Storage для файлов + метаданные в БД
+```js
+// n8n HTTP Request: загрузка файла в Supabase Storage
+// POST https://YOUR_PROJECT.supabase.co/storage/v1/object/documents/{{ $json.fileName }}
+// Headers: apikey, Authorization, Content-Type: application/octet-stream
+// Body: бинарный файл
+
+// После загрузки — сохранить метаданные в БД
+// POST /rest/v1/document_metadata
+{
+  "file_path":   "documents/{{ $json.fileName }}",
+  "bucket":      "documents",
+  "size_bytes":  "{{ $json.fileSize }}",
+  "mime_type":   "{{ $json.mimeType }}",
+  "uploaded_by": "{{ $json.userId }}"
+}
+```
+
+---
+
+## 5. RAG-пайплайн
+
+### ✅ DO: полный ingestion-пайплайн в n8n
+```
+[Trigger: Webhook/Schedule]
+        ↓
+[Fetch Document] — HTTP/Supabase Storage
+        ↓
+[Extract Text] — Code нода (PDF→text, HTML→text)
+        ↓
+[Chunk Text] — Code нода (1000 chars, overlap 200)
+        ↓
+[Get Embeddings] — HTTP → OpenAI /v1/embeddings (батч по 20)
+        ↓
+[Upsert to Vector DB] — Pinecone или Qdrant
+        ↓
+[Save Metadata] — Supabase REST (статус, chunk count, docId)
+        ↓
+[Notify] — Slack/Email/Webhook
+```
+
+### ✅ DO: query-пайплайн (retrieval + generation)
+```
+[Trigger: Webhook {question, userId}]
+        ↓
+[Embed Question] — OpenAI /v1/embeddings
+        ↓
+[Vector Search] — Pinecone/Qdrant/Supabase match_documents
+        ↓
+[Filter & Rank] — Code нода: score >= 0.75, top 5
+        ↓
+[Build Prompt] — Code нода: собираем context + question
+        ↓
+[LLM Generation] — OpenAI /v1/chat/completions
+        ↓
+[Format Response] — Code нода: answer + sources
+        ↓
+[Save to History] — Supabase (вопрос, ответ, источники)
+        ↓
+[Return Response] — Respond to Webhook
+```
+
+```js
+// Code нода: построение RAG-промпта
+const question = $input.first().json.question;
+const chunks   = $input.first().json.matches; // из vector search
+
+const context = chunks
+  .map((c, i) => `[${i + 1}] ${c.text}`)
+  .join("\n\n");
+
+const messages = [
+  {
+    role: "system",
+    content: `Ты помощник. Отвечай ТОЛЬКО на основе предоставленного контекста.
+Если ответа нет в контексте — скажи "Информация не найдена".
+Контекст:
+${context}`,
+  },
+  {
+    role: "user",
+    content: question,
+  },
+];
+
+return [{ json: { messages } }];
+```
+
+### ✅ DO: гибридный поиск (vector + full-text)
+```sql
+-- Supabase: объединяем семантический и полнотекстовый поиск (RRF fusion)
+create or replace function hybrid_search(
+  query_text      text,
+  query_embedding vector(1536),
+  match_count     int default 10
+)
+returns table (id uuid, content text, score float)
+language sql stable as $$
+  with semantic as (
+    select id, content,
+           1 - (embedding <=> query_embedding) as score,
+           row_number() over (order by embedding <=> query_embedding) as rank
+    from documents
+    limit 50
+  ),
+  fulltext as (
+    select id, content,
+           ts_rank(to_tsvector('russian', content), plainto_tsquery('russian', query_text)) as score,
+           row_number() over (order by score desc) as rank
+    from documents
+    where to_tsvector('russian', content) @@ plainto_tsquery('russian', query_text)
+    limit 50
+  )
+  -- Reciprocal Rank Fusion
+  select
+    coalesce(s.id, f.id) as id,
+    coalesce(s.content, f.content) as content,
+    coalesce(1.0/(60 + s.rank), 0) + coalesce(1.0/(60 + f.rank), 0) as score
+  from semantic s
+  full outer join fulltext f on s.id = f.id
+  order by score desc
+  limit match_count;
+$$;
+```
+
+---
+
+## 6. n8n + Supabase
+
+### ✅ DO: CRUD через Supabase REST API
+```js
+// Code нода: построение запроса с фильтрами
+const { userId, status, limit = 20, offset = 0 } = $input.first().json;
+
+// ✅ Supabase PostgREST фильтры
+const params = new URLSearchParams({
+  user_id: `eq.${userId}`,
+  ...(status && { status: `eq.${status}` }),
+  order:  "created_at.desc",
+  limit:  limit.toString(),
+  offset: offset.toString(),
+});
+
+return [{ json: { queryString: params.toString() } }];
+
+// HTTP Request: GET /rest/v1/documents?{{ $json.queryString }}
+// Headers: apikey, Authorization, Range: 0-19 (для пагинации)
+// ✅ Prefer: count=exact — вернёт Content-Range заголовок с total count
+```
+
+### ✅ DO: upsert с conflict resolution
+```json
+// POST /rest/v1/documents
+// Headers: Prefer: resolution=merge-duplicates
+{
+  "id":         "{{ $json.docId }}",
+  "content":    "{{ $json.content }}",
+  "updated_at": "{{ $now }}"
+}
+// ✅ merge-duplicates — обновит существующий, создаст новый если нет
+// ignore-duplicates — пропустит если уже есть
+```
+
+### ✅ DO: слушать Realtime через n8n Webhook
+```
+Supabase Realtime → Database Webhook → n8n:
+
+Сценарии:
+  INSERT в tasks      → запустить processing workflow
+  UPDATE status='done' → отправить уведомление пользователю  
+  DELETE в documents  → удалить эмбеддинги из Pinecone/Qdrant
+```
+
+### ✅ DO: управление ошибками + retry
+```js
+// Code нода после HTTP Request к Supabase
+const { statusCode, body } = $input.first().json;
+
+if (statusCode === 409) {
+  // Конфликт — запись уже существует, это OK
+  return [{ json: { status: "already_exists", ...body } }];
+}
+
+if (statusCode >= 400) {
+  // ✅ Кидаем с деталями — попадёт в error workflow
+  throw new Error(`Supabase error ${statusCode}: ${JSON.stringify(body)}`);
+}
+
+return [{ json: { status: "ok", data: body } }];
+```
+
+---
+
+## 7. Частые ошибки
+
+### ❌ DON'T: смешивать service_role ключ с anon ключом
+```
+service_role → обходит RLS, полный доступ → только бэкенд/n8n ✅
+anon         → подчиняется RLS, ограниченный → клиентский код ✅
+
+❌ service_role в браузере/мобильном приложении — утечка = полный доступ к БД
+❌ anon в n8n для операций требующих обхода RLS — будет 403
+```
+
+### ❌ DON'T: хранить весь текст в metadata Pinecone
+```
+❌ Pinecone metadata limit ~40KB на вектор
+❌ Медленный фильтр по длинным строкам
+
+✅ Храни в metadata только: id, короткий preview (200 chars), теги, даты
+✅ Полный текст — в Supabase/PostgreSQL, достаём по id после поиска
+```
+
+### ❌ DON'T: upsert по одному вектору в цикле
+```js
+// ❌ Плохо: N HTTP-запросов вместо одного
+for (const item of items) {
+  await upsert(item); // 1000 items = 1000 запросов
+}
+
+// ✅ Батчевый upsert
+// Pinecone: до 100 векторов за раз
+// Qdrant:   до 1000 точек за раз (wait=false для async)
+// В n8n: Split In Batches нода → HTTP Request
+```
+
+### ❌ DON'T: игнорировать размерность эмбеддингов
+```
+OpenAI text-embedding-3-small  → 1536 dims (или меньше через dimensions param)
+OpenAI text-embedding-3-large  → 3072 dims
+OpenAI text-embedding-ada-002  → 1536 dims
+
+❌ Создать коллекцию на 1536, залить ada-002, потом переключиться на 3-large (3072) — ошибка
+✅ Зафиксируй модель и размер в конфиге, не меняй без пересоздания коллекции
+```
+
+### ❌ DON'T: запускать workflow без идемпотентности
+```js
+// ❌ Плохо: повторный запуск задваивает данные
+// ✅ Всегда используй upsert, не insert
+// ✅ Добавляй идемпотентный ключ (docId + chunkIndex → детерминированный ID)
+
+// ✅ Детерминированный ID для чанка (одинаковый при повторном запуске)
+function makeChunkId(docId, chunkIndex) {
+  return `${docId}_chunk_${chunkIndex}`;
+}
+// Pinecone: id = makeChunkId(...)
+// Qdrant:   id = uuid5(namespace, makeChunkId(...)) — если нужен UUID
+```
+
+### ❌ DON'T: игнорировать лимиты rate limit
+```
+OpenAI Embeddings: 3000 RPM (tier 1) → батчи + задержка между запросами
+Pinecone upsert:   100 vectors/request, ~100 RPS
+Supabase REST:     зависит от плана, по умолчанию 500 req/s
+
+✅ В n8n: Split In Batches + Wait нода между батчами
+✅ Для больших объёмов: Queue (Redis) или n8n Sub-workflows с троттлингом
+```
+
+---
+
+## См. также
+- `dev_reference_snippets` — Express API, валидация, обработка ошибок
+- `es2025_beast_practices` — async/await паттерны, Promise.all для параллельных запросов