- 文档首页
AI 原生 BaaS 平台 Supabase 版
用户指南
Supabase 引擎用户指南
使用 Supabase 控制台
使用 Storage
创建 Vector Bucket
使用 Storage
创建 Vector Bucket
创建 Vector Bucket
本文介绍在 Supabase 控制台和通过 Admin API 两种配置和管理 Vector Bucket 的方式。
Vector Bucket 是 AI 原生 BaaS 平台 Supabase 版面向向量数据管理提供的逻辑容器,用于承载向量检索相关的数据组织与操作。创建 Vector Bucket 后,用户可以在其中进一步创建一个或多个 Vector Table,用于存储向量、元数据以及对应的索引配置,从而支持语义检索、相似度搜索、RAG、知识库召回等典型 AI 应用场景。
从使用形态上看,Vector Bucket 延续了 Supabase 生态中面向开发者的易用性设计,便于用户在熟悉的 Storage / Admin API 体系下完成向量数据的创建、管理与查询;但在底层能力上,火山引擎 AI 原生 BaaS 平台 Supabase 版并不局限于 Supabase 官方默认能力,而是结合火山引擎自研平台化能力进行了增强。相较 Supabase 官方方案,火山引擎版本在向量能力上具备以下优势:
- 更高的资源规模上限:单个分支最多支持创建 1000 个 Vector Bucket,且所有 Vector Bucket 中的 Vector Table 总数上限同样为 1000 个,可承载更多业务隔离场景(如按租户、按知识库、按业务模块或按环境拆分向量数据)。
- 更高的向量维度支持:Vector Table 的向量维度最高支持 32768(32K),显著高于 Supabase 官方当前 4096(4K) 的上限,适用于高维 Embedding 模型及需要保留更多语义特征的场景。
- 更强的查询性能:向量检索底层由专业向量数据库提供支持,查询性能优于 Supabase 官方默认方案(具体性能数据以 Milvus 侧正式公布结果为准)。
- 一个分支最多可创建 1000 个 Vector Bucket。
- 一个分支最多可创建 1000 个 Vector Table(所有 Vector Bucket 中 Vector Table 的总数)。
在 Supabase 控制台创建 Vector Buckets
- 已创建使用 Supabase 引擎的 Workspace 且 Workspace 的状态为运行中。关于创建 Workspace 的更多详细信息,请参见创建 Workspace。
- 在 Supabase 控制台单击左侧的 Storage,进入 Storage 页面。
- 在 Storage 页面左侧的导航栏,单击 Vectors,在 Vectors 页面单击 + New bucket,在弹出的 Create vector bucket 窗口中完成以下配置后,单击 Create,即可完成 vector bucket 的创建。
在创建向量桶(vector bucket)后,还需要创建向量表(vector table)。
- 在 Vectors 页面,单击 + Create table,在弹出的 Create vector table 页面中完成以下配置后,单击 Create,即可完成 vector bucket 的创建。
通过 Admin API 配置和管理 Vector Bucket
已获取 SUPABASE_BASE_URL 和 SERVICE_ROLE_KEY 。关于获取变量的详细信息,请参见获取变量。 通过 Admin API 管理 Vector Buckets
示例——通过 Supabase Client SDK 管理 Vector Bucket 和 table
最近更新时间:2026.08.25 18:29:55