2020 年,开源数据库 Supabase 刚成立时,CEO Paul Copplestone 或许难以预见,它将在 2025 年站上“Vibe Coding”这一开发趋势的风口。
本周,Supabase 的发展已经迎来高光时刻:据《财富》杂志报道, Supabase 宣布完成 2 亿美元 D 轮融资,投后估值 20 亿美元。本轮由 Accel 领投,Coatue、Y Combinator、Craft Ventures 及老股东 Felicis 参投。距离其上一轮 8000 万美元融资仅过去 7 个月,累计融资已达近 4 亿美元。
Supabase 的崛起也反映出开源数据库在 AI 应用时代的新定位。凭借“开箱即用”的数据库体验,Supabase 极大降低了 SQL 数据库在实际开发中的接入门槛,也因此成为 Lovable 等快速增长的 Vibe Coding 工具的首选后端。其 Slogan “Build in a weekend, scale to millions(周末搭建,支撑百万级用户)”,精准切中新一代 AI 原生应用的需求。
随着 AI 编程工具的不断成熟,一种被称为“Vibe Coding”的工作流开始在开发者中流行。这种模式强调借助多种 AI 工具快速完成从产品文档、数据库设计到服务实现的完整流程,已在一些 AI 原生应用开发中得到实践。
Vibe Coding 流程通常从编写产品需求文档(PRD)开始。开发者会使用生成式 AI 工具如 Grok
草拟出产品概要,在此基础上进一步生成数据库 schema,包含数据表结构及其关系定义,用于构建初步的数据模型。进入编码阶段后,一些开发者会在支持 AI 协作的编辑器(如 Cursor 混搭 Claude 3.7),用于生成和调整代码片段。
后端框架的搭建部分,可以用 Agent 启动生成的 NestJS REST API 骨架,其中涵盖基础模块和路由设置。在连接数据库层面,开发者可将 PRD 重新作为上下文输入,由 Claude 输出符合 Prisma 或 Supabase 规范的 schema,完成数据层到服务层的衔接。后续开发一般以 service 和 controller 为单位推进,逐步构建出业务功能模块,并在每个模块完成后补充对应的单元测试,以保障基础功能的正确性。
整体流程中,不同 AI 工具各自承担特定职责,开发节奏以任务驱动为主,强调逐步构建与快速验证的组合方式。
这波趋势背后,是开发效率正在被重塑:Bolt.new、Lovable、Vercel v0、Cursor、Windsurf、Replit 等工具正在让构建应用变得前所未有地高效,Supabase 则以托管 PostgreSQL、身份验证和实时服务等能力,成为这些平台的首选后端。如今,Lovable 和 Bolt.new 等平台都在使用 Supabase,帮助用户轻松愉快地部署全栈应用,全程无需任何服务器设置。
这种组合引起了开发者的共鸣。Supabase 的 DevRel 工程师 Tyler SHukert 表示,“Lovable + Supabase 是将创意转化为应用的理想组合!只需要几条提示词,即可获得一款包含身份验证、数据库和精美 UI 的全栈应用。”
甚至连 Vercel 的 v0 也加入了进来,最近刚刚添加了对 Supabase 的支持,为其 AI 生成的 Next.js 前端添加了一套生产就绪的 PostgreSQL 后端。
在氛围编程的工作流中,Cursor 和 Windsurf 经常与 Supabase 搭配使用,尤其是在需要强大、可扩展且配置极少的后端项目。
这种灵活的集成,得益于 Supabase 一直紧贴 AI 浪潮的节奏。
2023 年 2 月,Supabase 宣布集成 PostgreSQL 的扩展 PGVector,为存储向量嵌入(embeddings)提供支持,这对于构建检索增强生成(RAG)应用及执行其他 AI 相关任务至关重要。
PGVector 的集成背后还有一段有趣的佳话。当时,一位名叫 Greg Richardson 的社区活跃开发者提交了一个将 PGVector 集成到 Supabase 的 Pull Request。Supabase 迅速合并了他的贡献,并热情邀请他加入了团队。这种“先参与,后加入”的方式也是 Supabase 招募员工的主要途径之一。正如 Supabase 联合创始人兼 CTO Ant Wilson 所说,“Supabase 大概有 40% 的员工,在加入之前都已经以某种形式参与过开源项目了。可能是他们在 GitHub 上做过内容审核,或者提交过 issue,帮我们排查问题。”
随后不久,Supabase 又通过与 Ollama 集成,在边缘端提供包括大语言模型和 Embedding 模型在内的 AI 模型服务,使得开发者能够在本地完全运行由 AI 驱动的完整开发环境,无需依赖云端。这一重大举措将 Supabase 集成到本地 AI 包中,极大地提升了开发体验。社区直呼这是个“重磅消息”,对 Supabase 和 Ollama 这波合作期待值拉满。
去年 12 月,Supabase 再次推出了自家 AI 助手,并获得 Product Hunt 年度最佳数据产品奖。AI 助手支持跨多个表自动生成数据库 schema,并可自动填充示例数据、调试 SQL 语句错误,甚至生成图表用于可视化分析。
该 AI 助手能让非开发背景的“提示词工程师”快速完成后端原型开发。例如,在构建一个 Slack 克隆应用时,用户只需描述所需的表结构(如 messages、profiles 和 channels),AI 助手便能自动生成相应的 schema,并在数秒内创建好数据库表。
这个月,Supabase 还上线了官方的 MCP 服务器,开发者可以使用此服务器将常用的 AI 工具(例如 Cursor 或 Claude)直接连接到 Supabase,以便它们可以代表用户执行启动数据库、管理表、获取配置和查询数据等任务。
随着在 AI 领域的持续投入,Supabase 已经发展成为开发者手中一款得心应手的 AI 工具。
Ignytlabs 的创始人 Prajwal Tomar 在一篇 X 帖子中提到,“大家不妨先把 AI 编程放一放。目前对我开发速度提升最大的助力,来自将 Supabase 作为后端的尝试。不再需要从头开始设置数据库、配置身份验证或者处理缓慢的 API,只需插入 Supabase 即可开始交付。”
Supabase 提供完整了 Postgres 数据库,并在其基础上构建一系列开发工具,包括身份认证、文件存储、边缘函数与实时通信等模块。这些组件通过统一的界面与清晰的 API 进行集成,具备较强的可组合性与可扩展性,旨在为现代应用开发提供更高效、更友好的后端体验。而传统的 BaaS 服务通常会在数据库之上再加一层抽象,那层抽象背后所依赖的数据库,其实大多数也是 Postgres。
Supabase 一开始推出了一个专有版本,后来又发布了开源版本。结果开源版本一下子登上了 Hacker News 的首页。开发者在理念上显然更倾向于开源,而不是闭源。如今,该公司目前已服务于超 200 万名开发者,管理着 350 万个数据库,其 GitHub 代码库的得星数也已超过 8.1 万,仅两年时间就翻了一番。
投资人为了拿下这个项目,不惜飞行 17 小时前往新西兰最偏远的地区之一,只为与 CEO Paul Copplestone 面谈——Copplestone 回忆说,他至今也搞不清对方到底是想做交易,还是只是来听一段“史诗级创业故事”。但他知道,这段旅程确实留下了深刻印象。
Copplestone 在 Reddit 的 AMA 问答中表示,“我们短信资金是为了稳定军心,确保我们能够继续按照自己的方式发展业务。”
“Supabase 需要越来越大的资产负责表,以确保我们有能力预付云托管、支持团队等费用。如果只是维持收支平衡、银行里没有多余的存款,我们根本做不到这一点。”
Copplestone 补充称,Supabase 不会像其他企业那样在融资之后涨价。他强调,“我们将拿出更多资金吸引更多公司与 Supabase 合作。选择 Supabase 作为进步方案的客户越大,我们的规模就能进一步扩大:客户的成功,就等同于我们的成功。”
其投资商 Accel 在一篇博文中表示,“早在 2020 年 Supabase 刚刚成立时,Postgres 的领导地位还不太稳固——但随着 AI 的兴起、对半结构化数据的支持以及 pgvector 的出现巩固了其重要性与应用广度。Supabase 加倍投入到这一生态当中,贡献了超过 25 款开源工具(包括一款语言服务器),并赞助了多个推动 Postgres 持续发展的项目。”
虽然 Firebase 及其他后端即服务(BaaS)平台仍然很受欢迎,但 Supabase 凭借其开源理念和依托 PostgreSQL 的定位脱颖而出。Firebase 将用户锁定在谷歌生态系统当中,而且缺乏 PostgreSQL 的关系数据库功能;相比之下,Appwrite 和 DIrectus 等替代方案在市场吸引力方面则明显落后。
Accel 合伙人 Arun Mathew 认为 Supabase 有潜力在高价值数据库领域占据主导地位,并将其与甲骨文和 MongoDB 的崛起进行了比较。他表示:“每一次重大的平台变革都会在数据库层面创造价值。”
随着氛围编程的日趋成熟,Supabase 有望占据主导地位。其开源模式鼓励创新,而强大的功能集则支持在 Lovable 等平台上构建日益复杂的应用程序。AI 智能体的兴起为整个开发工作流程的全面自动化开启了可能性之门,这将进一步提升 Supabase 的重要意义。
Supabase 的远程开发团队遍布新西兰、秘鲁和马其顿,该公司计划持续扩展其社区和产品套件,将自身定位为 AI 与企业应用程序的默认后端。这笔资金可能会加速“Vibe Coding”工具及大规模部署的普及,并继续延续 PostgreSQL 出色的可靠性与备受赞誉的开源精神。
参考链接:
https://supabase.com/docs/guides/functions/ai-models
https://supabase.com/blog/mcp-server
https://www.youtube.com/watch?v=yfPhvNripDc
https://www.threads.com/@aromanarguello/post/DH3UHq-sang/vibe-coding-a-backend-doesnt-have-to-be-a-pain-you-can-nail-it-by-using-the-righ
文章来自微信公众号 “ InfoQ ”
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。
项目地址:https://github.com/browser-use/browser-use
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0