ТЗ. Доработка существующего продукта. Требуется доработать архитектуру Telegram-ИИ-бота, реализованного на n8n, с целью принудительного и управляемого подключения RAG-контекста из векторной БД Supabase до вызова LLM Gemini 2.5 Pro. Необходимо изменить текущую логику, при которой агент сам решает, обращаться ли к Query_Vector_Store, на алгоритм, где n8n автоматически и независимо от агента вызывает векторный поиск через заданное количество сообщений (параметр N). Результат Query_Vector_Store (7 чанков) должен напрямую добавляться в prompt модели в виде дополнительного текста, вместе с system-инструкцией и последними 10 вопросами/ответами пользователя. Система должна быть гибко настраиваемой: при N = 0 обращения к базе не происходят, при N > 0 — выполняются строго с указанной периодичностью (каждые N сообщений). Важно обеспечить корректный подсчёт сообщений, хранение состояния диалога и контроль объёма prompt’а без дублирования контекста и деградации качества ответов. Реализация должна быть выполнена сначала на тестовом Telegram-боте, после чего проводится серия тестовых диалогов на основе реальных сценариев. По итогам тестирования принимается решение о переносе обновлённого алгоритма и архитектуры на основной бот.