Supabase CLI

与Supabase项目交互：查询、CRUD操作、向量搜索和表管理。

环境配置

bash

必需

export SUPABASE_URL=https://yourproject.supabase.co
export SUPABASESERVICEKEY=eyJhbGciOiJIUzI1NiIs...

可选：用于管理API

export SUPABASEACCESSTOKEN=sbp_xxxxx

快速命令

bash

SQL查询

{baseDir}/scripts/supabase.sh query SELECT * FROM users LIMIT 5

插入数据

{baseDir}/scripts/supabase.sh insert users {name: John, email: john@example.com}

带筛选条件的查询

{baseDir}/scripts/supabase.sh select users --eq status:active --limit 10

更新

{baseDir}/scripts/supabase.sh update users {status: inactive} --eq id:123

删除

{baseDir}/scripts/supabase.sh delete users --eq id:123

向量相似度搜索

{baseDir}/scripts/supabase.sh vector-search documents 搜索查询 --match-fn match_documents --limit 5

列出表

{baseDir}/scripts/supabase.sh tables

查看表结构

{baseDir}/scripts/supabase.sh describe users

命令参考

query - 执行原始SQL

bash
{baseDir}/scripts/supabase.sh query

示例

{baseDir}/scripts/supabase.sh query SELECT COUNT(*) FROM users {baseDir}/scripts/supabase.sh query CREATE TABLE items (id serial primary key, name text) {baseDir}/scripts/supabase.sh query SELECT * FROM users WHERE created_at > 2024-01-01

select - 带筛选条件查询表

bash
{baseDir}/scripts/supabase.sh select <表名> [选项]

选项：
--columns <列名> 逗号分隔的列名（默认：*）
--eq <列名:值> 等于筛选（可多次使用）
--neq <列名:值> 不等于筛选
--gt <列名:值> 大于
--lt <列名:值> 小于
--like <列名:值> 模式匹配（使用%作为通配符）
--limit 限制结果数量
--offset 结果偏移量
--order <列名> 按列排序
--desc 降序排列

示例

{baseDir}/scripts/supabase.sh select users --eq status:active --limit 10 {baseDir}/scripts/supabase.sh select posts --columns id,title,createdat --order createdat --desc {baseDir}/scripts/supabase.sh select products --gt price:100 --lt price:500

insert - 插入行

bash
{baseDir}/scripts/supabase.sh insert <表名>

单行

{baseDir}/scripts/supabase.sh insert users {name: Alice, email: alice@test.com}

多行

{baseDir}/scripts/supabase.sh insert users [{name: Bob}, {name: Carol}]

update - 更新行

bash
{baseDir}/scripts/supabase.sh update <表名> --eq <列名:值>

示例

{baseDir}/scripts/supabase.sh update users {status: inactive} --eq id:123 {baseDir}/scripts/supabase.sh update posts {published: true} --eq author_id:5

upsert - 插入或更新

bash
{baseDir}/scripts/supabase.sh upsert <表名>

示例（需要唯一约束）

{baseDir}/scripts/supabase.sh upsert users {id: 1, name: Updated Name}

delete - 删除行

bash
{baseDir}/scripts/supabase.sh delete <表名> --eq <列名:值>

示例

{baseDir}/scripts/supabase.sh delete sessions --lt expires_at:2024-01-01

vector-search - 使用pgvector进行相似度搜索

bash
{baseDir}/scripts/supabase.sh vector-search <表名> <查询> [选项]

选项：
--match-fn <名称> RPC函数名称（默认：match_<表名>）
--limit 结果数量（默认：5）
--threshold 相似度阈值0-1（默认：0.5）
--embedding-model 查询嵌入模型（默认：使用OpenAI）

示例

{baseDir}/scripts/supabase.sh vector-search documents 如何设置身份验证 --limit 10

需要匹配函数，例如：

CREATE FUNCTION matchdocuments(queryembedding vector(1536), matchthreshold float, matchcount int)

tables - 列出所有表

bash
{baseDir}/scripts/supabase.sh tables

describe - 显示表结构

bash
{baseDir}/scripts/supabase.sh describe <表名>

rpc - 调用存储过程

bash
{baseDir}/scripts/supabase.sh rpc <函数名>

示例

{baseDir}/scripts/supabase.sh rpc getuserstats {user_id: 123}

向量搜索设置

1. 启用pgvector扩展

sql
CREATE EXTENSION IF NOT EXISTS vector;

2. 创建包含嵌入列的表

sql
CREATE TABLE documents (
id bigserial PRIMARY KEY,
content text,
metadata jsonb,
embedding vector(1536)
);

3. 创建相似度搜索函数

sql
CREATE OR REPLACE FUNCTION match_documents(
query_embedding vector(1536),
match_threshold float DEFAULT 0.5,
match_count int DEFAULT 5
)
RETURNS TABLE (
id bigint,
content text,
metadata jsonb,
similarity float
)
LANGUAGE plpgsql
AS $$
BEGIN
RETURN QUERY
SELECT
documents.id,
documents.content,
documents.metadata,
1 - (documents.embedding <=> query_embedding) AS similarity
FROM documents
WHERE 1 - (documents.embedding <=> queryembedding) > matchthreshold
ORDER BY documents.embedding <=> query_embedding
LIMIT match_count;
END;
$$;

4. 创建性能索引

sql
CREATE INDEX ON documents
USING ivfflat (embedding vectorcosineops)
WITH (lists = 100);

环境变量

变量	必需	描述
SUPABASEURL	是	项目URL (https://xxx.supabase.co)
SUPABASESERVICE_KEY

是 | 服务角色密钥（完全访问权限） | | SUPABASEANONKEY | 否 | 匿名密钥（受限访问） | | SUPABASEACCESSTOKEN | 否 | 管理API令牌 | | OPENAIAPIKEY | 否 | 用于生成嵌入向量 |

注意事项

• - 服务角色密钥绕过RLS（行级安全策略）
• 客户端/受限访问请使用匿名密钥
• 向量搜索需要pgvector扩展
• 嵌入向量默认使用OpenAI text-embedding-ada-002（1536维）