AI生成代码安全风险全解析：Supabase数据泄露事件揭示的Vibe Coding致命盲区

2026年9月，TechCrunch记者Zack Whittaker披露了一批Supabase用户的数据库配置问题：大量应用将包含真实姓名、邮箱、手机号乃至内部业务记录的数据库表完全公开暴露在互联网上，任何人不需要任何凭证就能通过REST API直接读取。这不是黑客攻击，也没有任何零日漏洞。原因只有一个：Row Level Security（RLS）从未被启用。

这批应用有一个共同特征——它们大多由 AI 生成代码驱动，用 Claude Code、Codex 或 Gemini CLI 在数小时内搭建完成，走的是"Vibe Coding"路线：描述需求，让模型出代码，跑通了就上线。安全配置这一步，从未进入过开发流程。

Vibe Coding 的生产力陷阱

"Vibe Coding"这个词最早由 Andrej Karpathy 在2025年初提出，本意是描述一种更直觉化、更流畅的人机协作编程体验。一年多过去，它已经演变成一种真实的产品开发模式：用 Claude Opus 4.8 或 GPT-5.4 描述功能，Codex 或 Claude Code 直接生成完整项目结构，开发者扮演的角色更接近"产品经理+部署员"。

这个流程本身没有问题。问题在于 AI 模型在生成代码时的优先级排序——它们极其擅长让功能"能跑"，但不会主动问你"你的数据库权限策略是什么"。

Supabase 的默认行为加剧了这个风险。新建项目时，Supabase 会生成一个 anon key，这个密钥本质上是面向公网客户端的。只要表没有启用 RLS，anon key 就能无限制地读写整张表。AI 生成的前端代码会自然地把这个 key 嵌进 .env 文件，然后在客户端直接调用 Supabase SDK——这是最快的路径，也是最危险的路径。

一条能在浏览器控制台复现泄露的请求大概长这样：

curl 'https://<project-ref>.supabase.co/rest/v1/users?select=*' \
  -H "apikey: <anon-key>" \
  -H "Authorization: Bearer <anon-key>"

如果 users 表没有 RLS，这条命令会返回完整的用户表。

AI 模型为什么不替你解决这个问题

用 Claude Code 或 Codex 生成一个 Supabase 应用，模型会产出完整的 schema、migration 文件、API 调用逻辑。但它生成的 SQL 往往长这样：

create table profiles (
  id uuid references auth.users on delete cascade,
  username text,
  email text,
  created_at timestamp default now()
);

没有 alter table profiles enable row level security;，没有任何 policy 定义。这不是模型的 bug，而是训练数据的反映——Stack Overflow、GitHub 上大量的 Supabase 示例代码本身就没有 RLS，模型学到的"正确用法"就是这样。

GPT-5.4 和 Claude Opus 4.8 在你明确要求安全审计时，都能给出完整的 RLS policy 模板。问题是没人问。Vibe Coding 的工作流里，开发者描述的是业务功能，安全策略作为"隐性需求"根本不会出现在 prompt 里。

现实的对比很刺眼：

| 维度 | 传统开发流程 | Vibe Coding 流程 | |------|------------|-----------------| | 安全配置触发节点 | code review 强制检查 | 无，依赖开发者主动意识 | | RLS 配置频率 | 视团队规范，有 checklist | 几乎不配置 | | 密钥暴露风险 | CI/CD 扫描拦截 | 直接推送到前端 | | 上线前安全测试 | 有（哪怕简单的） | 通常没有 |

真实风险有多大：数字说话

Supabase 官方数据显示，截至2026年初平台托管项目已超过 100 万个。TechCrunch 的调查虽然没有给出受影响项目的准确比例，但研究人员通过公开的 Supabase 项目 URL 规律，在数小时内就找到了多个完全开放读取的数据表，涉及用户量从数百到数万不等。

风险不只是被动数据泄露。公开的 anon key 加上未受保护的表，还意味着：

任何人可以无限制写入垃圾数据，触发你的 Supabase 行数/存储限额
竞对可以直接批量导出你的用户数据库
Storage bucket 如果同样没有策略，上传的用户文件也是公开的

OpenAI 旗下 agent 产品此前被研究人员发现存在未经授权爬取公开数据库的行为——当你的 Supabase 表连认证都不需要，它实际上和一个公开 API 没有任何区别。

三件事，上线前必须做完

这不是理论建议，是最低安全基线。

1. 对每张表都显式启用 RLS，哪怕 policy 很简单

-- 启用 RLS
alter table profiles enable row level security;

-- 只允许用户读写自己的数据
create policy "users can read own profile"
  on profiles for select
  using (auth.uid() = id);

create policy "users can update own profile"
  on profiles for update
  using (auth.uid() = id);

如果你用 Claude Code 或 Codex 生成了 schema，把所有 create table 语句丢给模型，明确要求："为每张表生成完整的 RLS policy，假设用户只能操作自己的数据"。这一次 prompt 能帮你补全大量遗漏。

2. 永远不要在前端直接使用 service role key

anon key 设计上就是给前端用的，但它必须配合 RLS 才安全。service_role key 有完整的数据库绕过权限，只能放在服务端环境变量里，永远不要出现在任何客户端代码中。用 grep -r "service_role" ./src 扫一遍你的代码仓库。

3. 在 Supabase Dashboard 开启 "Enable RLS by default"

项目设置 → API → 勾选要求新表默认启用 RLS。这一个开关能拦住大部分"忘了配置"的情况。同时在 Dashboard 的 Table Editor 里，会看到未启用 RLS 的表旁边有橙色警告图标——这是 Supabase 在2025年底加入的，主动去检查一遍。

问题不在于 AI，在于工作流

把这次泄露事件归咎于 AI 生成代码本身，是打错了靶。Claude Code 生成的代码质量不比人写的差，但它无法替代开发者对业务安全边界的判断——因为这个判断本来就应该在 prompt 里给出，而不是期待模型自动猜测。

Vibe Coding 作为一种开发模式会继续普及，真正需要改变的是配套的安全意识和 checklist 文化。每次用 AI 生成数据库相关代码之后，问自己一个问题：这张表上的数据，如果被陌生人直接读取，你接受吗？

如果答案是不接受，那 RLS 就是第一行应该配置的代码，不是最后一行。

---

用 Claude Code 或 Codex 做安全审计这件事我最近试了不少，效果取决于你能不能持续调用足够好的模型。我自己在 XycAi 词元平台接入模型——Claude Opus 4.8 和 GPT-5.4 价格低至官方价 1.4 折起，平台持有大模型算法备案号，可以开全球发票，支持 Claude Code、Codex、Gemini CLI 一键接入。日常做代码安全 review 的成本比直接订阅便宜很多，对独立开发者来说算力成本这块基本不用纠结了。