靠"氛围编程"狂揽 2 亿美金,Supabase 成 AI 时代最性感的开源数据库

搜索
AI-TNT
正文
资源拓展
靠"氛围编程"狂揽 2 亿美金,Supabase 成 AI 时代最性感的开源数据库
2025-04-28 09:22

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。


Supabase 为什么能踩中“氛围编程”的风口?


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。


靠


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。”


靠


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。


靠


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。


Supabase 的 AI 整合之路


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。


靠


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。


靠



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。”


靠


“开源是我们的超能力”


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。


靠


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。”


靠


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 ”


靠

1
AI代理

【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


2
AI工作流

【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)

3
智能体

【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

4
RAG

【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

5
prompt

【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

IOS下载
安卓下载
微信群
沪ICP备2023015588号