Databricks Lakebase Chat Memory（Databricks Lakebase 聊天记忆）节点

使用 Databricks Lakebase Chat Memory 节点，将聊天历史存储在 Databricks Lakebase 表中，作为 AI 智能体的记忆¹。节点通过 Lakebase Data API 读写该表，因此无需连接字符串或数据库驱动。

本页介绍一次性的建表设置、节点参数、如何共享会话、相关资源及常见问题。

信息

凭据

此节点的身份验证信息，请参阅 Databricks 凭据文档。节点仅接受 Databricks OAuth2 凭据，使用用户登录或服务主体。项目所有者不能使用 Data API，因此应使用不拥有该 Lakebase 项目的身份进行验证。

信息

子节点中的参数解析

使用表达式处理多个数据项时，子节点的行为与其他节点不同。

多数节点，包括根节点，可以接收任意数量的输入数据项，处理后输出结果。你可以用表达式引用输入数据项，节点会依次对每个数据项解析表达式。例如，输入包含五个 name 值时，表达式 {{ $json.name }} 会依次解析为每个名称。

在子节点中，表达式始终解析为第一个数据项。例如，输入包含五个 name 值时，表达式 {{ $json.name }} 始终解析为第一个名称。

创建表

与 Postgres Chat Memory 节点不同，此节点不会自动创建表。Data API 无法运行 CREATE TABLE，因此首次执行前，需要在 Lakebase SQL 编辑器中运行一次 SQL。如果节点运行时表不存在，错误描述会显示同样的语句，并填入你选择的 Schema（架构）和 Table Name（表名称）。

设置需要两个身份。Lakebase SQL 编辑器中的身份是项目所有者或管理员，用于创建角色和表；凭据对应的身份不是所有者，它获得该角色并读写表。建表前，按为 Data API 设置 Lakebase中的说明启用 Data API，为凭据身份创建 Postgres 角色，并将其授予 authenticator。可跳过 OpenAPI 规范步骤，以及将角色授予 authenticator下的第二段 SQL：此节点不列出表，下方 SQL 已包含所需授权。然后，在 Lakebase SQL 编辑器中，以创建角色的身份运行以下 SQL。该身份会成为表所有者，GRANT 语句需要这一身份：

CREATE TABLE "public"."n8n_chat_histories" (id SERIAL PRIMARY KEY, session_id VARCHAR(255) NOT NULL, message JSONB NOT NULL);
CREATE INDEX ON "public"."n8n_chat_histories" (session_id, id);
GRANT USAGE ON SCHEMA "public" TO "your-role";
GRANT SELECT, INSERT, DELETE ON "public"."n8n_chat_histories" TO "your-role";
GRANT USAGE ON SEQUENCE "public"."n8n_chat_histories_id_seq" TO "your-role";

将 "your-role" 替换为 OAuth2 身份的 Postgres 角色：用户的电子邮箱地址，或服务主体的应用 ID。这是设置时使用 databricks_create_role 创建的角色。
如果 Schema（架构）或 Table Name（表名称）不是 public 和 n8n_chat_histories，请在所有语句中替换相应名称，包括序列名称，即表名称后加 _id_seq。

节点参数

Project（项目）：从列表选择 Lakebase 项目，或选择 By ID（按 ID）并输入项目 ID。
Branch（分支）：从列表选择项目分支，或选择 By ID（按 ID）并输入分支 ID，例如 production。
Database（数据库）：从列表选择分支上的 Postgres 数据库，或选择 By ID（按 ID）并输入 Postgres 数据库名称，例如 databricks_postgres。
Schema（架构）：存放该表的 Postgres 架构，默认为 public，列表中仅提供 public。使用其他架构时，选择 By ID（按 ID）并输入其名称。Data API 必须暴露该架构。
Table Name（表名称）：输入用于存储聊天历史的表名称，默认为 n8n_chat_histories。节点不会创建该表，请参阅创建表。
Session ID（会话 ID）：选择节点获取会话 ID 的方式：
- Connected Chat Trigger Node（已连接的聊天触发器节点）：从直接连接的 Chat Trigger 节点的输入中读取 sessionId 字段。
- Define below（在下方定义）：输入将会话 ID 存入记忆时使用的 Key（键）。多个记忆节点使用相同键，可共享同一会话。
Context Window Length（上下文窗口长度）：输入作为上下文考虑的历史交互次数，默认为 5。

在记忆节点间共享会话

Session ID（会话 ID）设为 Connected Chat Trigger Node（已连接的聊天触发器节点）时，每个 Databricks Lakebase Chat Memory 节点都会将自身节点名称加入会话范围，因此同一工作流中的两个记忆节点不会共享历史。重命名节点会改变该后缀，使智能体从空历史开始，旧记录仍保留在表中。要让记忆节点共享同一历史，请在每个节点中将 Session ID 设为 Define below（在下方定义），并使用相同的 Key（键）。执行会覆盖现有记忆内容的破坏性操作时，请谨慎，例如 Chat Memory Manager 节点的 Override All Messages（覆盖全部消息）插入模式。

常见问题

表不存在

节点以 Table <schema>.<table> does not exist 失败。可能尚未创建表，或 Schema（架构）或 Table Name（表名称）与表不匹配（PGRST205），或 Data API 架构缓存仍列出已删除的表（42P01）。错误描述包含所选架构和表的 CREATE TABLE、CREATE INDEX 和 GRANT 语句。请在 Lakebase SQL 编辑器中，以创建角色的身份运行它们。请参阅创建表。

角色缺少授权

节点以 The OAuth2 identity cannot use table <schema>.<table> 失败。表存在，但角色缺少对架构、表或序列的授权（42501）。错误描述包含三条 GRANT 语句，请以表所有者身份运行。

会话过大，无法读取

节点以 The session holds more rows than one run can read (100000) 失败。每次请求最多读取 1,000 行，最多发出 100 次请求，因此会话超过 100,000 行后，节点会报错，而不会仅返回部分历史。如果 Lakebase 项目的 Maximum rows（最大行数）设置更低，此上限还会降低。请使用新的 Session ID（会话 ID），或以表所有者身份在 Lakebase SQL 编辑器中删除该会话的记录。Chat Memory Manager 节点无法清除此会话，因为它会先读取全部历史，也会遇到相同错误。Session ID 设为 Connected Chat Trigger Node 时，存储的 session_id 以 __<node-name> 结尾。

设置错误

invalid token permissions（PGRST301）、permission denied to set role（42501）、Data API 未暴露的架构（PGRST106）以及 The branch has no read-write compute endpoint，都源于 Data API 设置，而非表本身。请参阅 Databricks 节点页面的常见 Lakebase 问题。

在 AI 场景中，记忆让 AI 工具能够在多次交互之间保存消息上下文。例如，与 AI 智能体持续对话时，无需在每条消息中重复提交上下文。在 n8n 中，AI 智能体节点可以使用记忆，而 AI 链不能。 ↩

本文为社区中文翻译。查看对应英文原文

创建表 ​

节点参数 ​

在记忆节点间共享会话 ​

相关资源 ​

常见问题 ​

表不存在 ​

角色缺少授权 ​

会话过大，无法读取 ​

设置错误 ​

Footnotes​

创建表