一句话判断

一个人做带用户系统的 AI 产品。登录、数据表、上传的文件、RAG 的向量、定时任务这些原本要拼四五个服务，这里是一套 Postgres 加一层自动生成的 API。

Supabase 的本质是「托管 Postgres + 一堆围绕它的开源组件」。你在 Dashboard 建的表，会自动生成 REST 和 GraphQL 端点，配上按行授权的 RLS 策略，前端直接用 anon key 就能读写——不需要先写一层 CRUD 服务。鉴权（Auth）、文件存储（Storage）、全局变量里的 Edge Functions、WebSocket 实时订阅（Realtime）都是同一个项目里的东西，共享同一套权限模型。

对做 AI 应用的人来说，最关键的一点是：**它就是个 Postgres**。pgvector 开箱可用，意味着你的业务表和 RAG 的向量在同一个库里，能做「既能按用户隔离、又能向量召回」的联合查询，不必再单独维护一个向量数据库。很多人的第一版 RAG 产品，后端其实只需要 Supabase 加一个 Python 脚本。

免费额度（按官方 Pricing 页）：每个项目 500 MB 数据库空间、1 GB 文件存储、5 GB 出网流量、**5 万月活用户**、Edge Functions 每月 50 万次调用、Realtime 200 并发连接与每月 200 万条消息。Pro 套餐 **25 美元/月**，包含 8 GB 磁盘（超出 $0.125/GB）、10 万月活（超出 $0.00325/MAU）、100 GB 存储、每日备份保留 7 天，并自带 10 美元的计算额度够跑一个 Micro 实例；Pro 默认开启 spend cap，超额先拦住而不是先扣钱。

它可以自托管，整套都在 GitHub 上、Apache-2.0 许可。真迁移的成本主要在 Edge Functions（Deno 运行时）和托管版的 Dashboard 依赖，前期想清楚要不要绑这些。

能拿它做什么

给 AI 工具加用户系统：邮箱登录、第三方 OAuth、JWT 都现成，半天搞完
RAG 产品：业务表和向量在同库，能写出「这个用户自己的文档里最近似的一段」
用户上传：图片、PDF 直传 Storage，权限跟数据表走同一套 RLS
定时任务后端：配合 Edge Functions 或外部 cron，跑批量摘要、清理、推送

怎么用起来

建项目：官网注册后 New project，等两分钟初始化 Postgres
建表并开 RLS：Table Editor 建完务必 Enable RLS，然后写一条 policy，否则等于裸奔
装 SDK：npm install @supabase/supabase-js 或 uv pip install supabase
开向量：create extension vector; 然后建 vector(dim) 列加 ivfflat / hnsw 索引
看费用：Settings → Usage，设置用量提醒，别等项目被暂停才发现

官网在 supabase.com ，源码在 GitHub 仓库 ↗。

坑在哪

注意

免费套餐一周无活动会被自动暂停，需要随时给人演示的场景（比如给客户看 demo）要记得提前手动唤醒，或者直接上 Pro。免费档没有自动备份，也没有时间点恢复（PITR 是 100 美元/月起的付费项），所以正式跑用户数据之前必须自己导出、写一条定期 pg_dump 的脚本。RLS 不开等于把所有数据公开——这是新手第一大坑，因为 anon key 本来就在前端代码里。另外 500 MB 听起来不小，放了几百份带向量的文档之后很快就见底。

一个人做产品，后端越薄越好。Supabase 的价值不是功能多，是让你不用养一个后端。