データベース
データベースの仕組み
AI にアプリケーションの構築を依頼すると、アプリに必要なデータを保存する専用データベースが作成されます。ブログ投稿、ユーザープロフィール、商品カタログ、その他どのような情報でも同じです。このデータベースは他のプロジェクトから完全に分離され、セキュリティと追跡機能が自動的に構成されます。
データベースはグローバルに複製され、自動バックアップ付きの高速で信頼性の高いデータストレージを提供します。AI は、テーブル作成、データ間の関係設定、セキュリティルールの構成、全体が一体として動作することの確認など、すべての技術的詳細を管理します。
自動的に得られるもの:
- 完全な分離 - データは他のすべてのプロジェクトから分離されます
- 自動バックアップ - データは継続的にバックアップされ保護されます
- セキュリティ強制 - すべてのクエリにアクセス制御が自動適用されます
- 監査証跡 - すべての変更がタイムスタンプとユーザー情報付きで追跡されます
- 高速なパフォーマンス - 低レイテンシのため、データベースがデータをグローバルに分散します
- 視覚的な管理ツール - UI からデータを閲覧、検索、編集、エクスポートできます
自動データ追跡
AI が作成するすべてのテーブルには、セキュリティ、監査証跡、データ整合性を提供する 4 つの特別な列が自動的に含まれます。あなたが意識する必要はありません。
_row_id - 一意識別子
各レコードには、決して変わらない一意の ID が付与されます。AI はこれを使って関連データ同士をつなぎ(ブログ投稿を著者に接続するなど)、特定のレコードを更新します。自分で ID 列を作る必要はありません。システムが自動的に処理します。
_created_by - ユーザー追跡
ユーザーがレコードを作成するたびに、システムはそのユーザー ID を自動的に付けます。これにより、「自分の投稿だけを表示する」や「著者だけが編集できる」といった機能が可能になります。AI はこれをセキュリティルールに使い、適切な場合にユーザーが自分のデータだけにアクセスまたは変更できるようにします。
_created_at - 作成日
データが作成された日時をタイムスタンプとして記録します。これにより、新しい順で並べ替える、「2 日前に投稿」のようなラベルを表示する、最近の活動に絞り込むことができます。タイムスタンプは自動設定され、変わることはありません。
_updated_at - 最終変更
レコードが変わるたびに自動更新されます。「最終編集」情報の表示、キャッシュ戦略の実装、最近の活動の追跡に役立ちます。システムが完全に自動処理するため、手動で更新する必要はありません。
データの削除
データを削除すると、レコードはデータベースから完全に取り除かれます。組み込みの「元に戻す」機能はありません。一括削除や大きな再構成など、リスクのある変更を行う前には、まずアカウントのスナップショットを取ってください。削除したデータを取り戻す方法は、スナップショットの復元です。
AI がデータベースを作成・更新する方法
アプリに必要なデータの種類を AI に伝えると、AI は裏側で適切なデータベーステーブルを作成します。このプロセスでは、データベース構造へのすべての変更を追跡する migration システムを使います。これにより、時間の経過とともに何が変わったかを更新、ロールバック、理解できます。
自動的に起きること:
たとえば「ユーザーが投稿を書けるブログを作成して」のように依頼すると、AI は次を行います。
- テーブル構造を設計 - 必要なフィールド(title、content、publish date など)を決定します
- 追跡列を追加 -
_row_id、_created_by、_created_at、_updated_atを含めます - パフォーマンスインデックスを作成 - クエリが高速に動くようにデータベースインデックスを追加します
- 関係を設定 - テーブル同士をリンクします(投稿を著者に接続するなど)
- 変更を適用 - データベース内にテーブルを作成します
- セキュリティを構成 - アクセス制御ルールを設定します(下で説明します)
- 変更を記録 - 監査とロールバックのために、作成された内容の記録を保存します
データ関係:
AI はデータ間の関係を自動的に管理します。たとえば次のようなものです。
- 1 対多:各ユーザーは多数のブログ投稿を持てる
- 多対多:各投稿は多数のタグを持て、各タグは多数の投稿に適用できる
- 必須フィールド:存在する必要があるメールアドレス
- 一意値:重複できないユーザー名
- 検証ルール:負の値にできない価格
これらはすべて、アプリケーションに何が必要かを説明したときに自動設定されます。
自動セキュリティとアクセス制御
データは、row-level security(RLS)によって自動的に保護されます。これは、誰が各データを見て変更できるかを正確に制御するシステムです。AI にアプリケーションを説明すると、構築内容に基づいて適切なセキュリティルールを設定します。
たとえば「ユーザーは自分のメモだけを見られるようにして」と言うと、AI は各ユーザーが自分で作成したレコードだけにアクセスできるようにルールを構成します。「ブログ投稿は公開だが、編集できるのは著者だけ」と言うと、それも自動設定します。セキュリティはデータベースレベルで強制されるため、API に直接アクセスしようとしても迂回できません。
セキュリティルールの種類
AI は 9 種類のセキュリティルールを構成でき、それらを組み合わせて高度なアクセス制御を作成できます。
1. Public Access
ログインしていなくても誰でもこのデータを表示できます。マーケティングコンテンツ、商品カタログ、公開ブログ投稿、FAQ セクションに適しています。
2. Authenticated Users
ログイン済みユーザーだけがデータにアクセスできます。ユーザー生成コンテンツ、コミュニティ機能、内部ダッシュボード、メンバー限定コンテンツに適しています。
3. Owner Only
レコードを作成した本人だけが表示または変更できます。個人メモ、非公開ドキュメント、ユーザー設定、ショッピングカート、各ユーザーに完全に非公開であるべきデータに適しています。
4. Same Organization
ユーザーは自分の組織のデータにアクセスできますが、他の組織のデータにはアクセスできません。チーム文書、全社告知、共有プロジェクトデータ、部門リソースに適しています。各組織は自分たちのデータだけを見ます。
5. Primary Organization
アプリの顧客ではなく、内部チーム(primary organization)のユーザーにアクセスを制限します。システム構成、管理ダッシュボード、請求管理、機能フラグ、内部分析、あなたにだけ見えるべき監査ログに便利です。
プラットフォーム文脈:顧客がアプリにサインアップすると、その顧客自身の組織が作られます。このルールにより、顧客があなたの内部管理データにアクセスできないようになります。
6. User Has Attribute
「admin」グループにいるなど、特定のユーザー属性に基づくアクセスです。管理者専用テーブル、ロールベースのコンテンツ、機能フラグ、ベータアクセスに使います。
7. Record Has Value
レコード自体の特定フィールド値に基づくアクセスです。たとえば、status = "published" のレコードだけを表示します。公開済みと下書きのコンテンツ、アクティブとアーカイブ済みデータ、承認ワークフローに適しています。
8. Field Matching
ユーザー属性をレコードフィールドと照合します。たとえば、レコードの department が自分の department と一致する場合だけユーザーが見られる、という形です。部門ベースのアクセス、場所ベースのフィルタリング、テリトリー管理、カスタムセグメンテーションに適しています。
9. Block All Access
操作を完全に防ぎます。監査テーブルの削除防止、読み取り専用参照データの作成、append-only ログの実装、特定レコードを決して変更できないようにする場合に便利です。
ルールの適用方法
セキュリティルールは、データベース操作の種類ごとに別々に設定できます。
- データの読み取り(SELECT) - 誰がレコードを表示できるか
- データの作成(INSERT) - 誰が新しいレコードを追加できるか
- データの更新(UPDATE) - 誰が既存レコードを変更できるか
- データの削除(DELETE) - 誰がレコードを削除できるか
AI は複数のルールを OR ロジックで組み合わせられます。たとえば「レコードは所有者 OR 同じ組織の誰でも表示できる」とすると、セキュリティを保ちながら柔軟なアクセスを提供できます。
実例
個人 Todo アプリ: AI は「Owner Only」ルールを設定し、各ユーザーが自分のタスクだけを見るようにします。タスクを作成すると、表示、編集、削除できるのはあなただけです。
会社ブログ: 公開済み投稿は読み取りが「Public」ですが、新しい投稿を作成できるのは「Authenticated」ユーザー(あなたのチーム)だけで、編集または削除できるのは「Owner」(投稿著者)だけです。
マルチテナント SaaS: AI は「Same Organization」ルールを使い、Company A のユーザーが Company B のデータを見られないようにします。内部チームは「Primary Organization」ルールを使い、顧客に見せるべきでない管理機能にアクセスします。
部門リソース: 「Field Matching」ルールにより、営業担当者は営業資料だけを見て、エンジニアリングはエンジニアリング文書を見る、といったことが部門属性に基づいて自動的に行われます。
データへのアクセス
データベースを扱う方法は 3 つあります。
1. 管理インターフェイス
視覚的な管理インターフェイスでは、スプレッドシートのような画面でデータを閲覧、検索、編集、エクスポートできます。データをフィルターし、列を並べ替え、レコードをインライン編集し、CSV または JSON にエクスポートできます。インターフェイスはテーブル構造に基づいてフォームを自動生成し、ルールに従ってデータを検証し、テーブル間の関係を処理します。
2. アプリケーションから
フロントエンドアプリケーションは、AI が自動的に構成する REST API を通じてデータベースを直接クエリできます。この API は、データベース API の広く採用された標準である PostgREST 互換構文を使います。設定したすべてのセキュリティルールは自動的に強制されます。ユーザーは見るべきデータだけにアクセスできます。
3. Edge Functions 経由
Edge functions(サーバー側コード)は、セキュリティルールを尊重しながらも、十分な力を持ってデータベースにアクセスできます。複雑なビジネスロジックを実装する、外部サービスと連携する、ブラウザーで実行すべきでない操作を行う必要があるとき、AI がこれらの function を作成します。
ベストプラクティス
✅ 構造は AI に任せる - 必要なものを説明し、AI にテーブルを作成させます。技術的なデータベース詳細を心配する必要はありません。
✅ 説明的な名前を使う - AI と話すときは、「item」や「thing」ではなく「blog post」のように、データに明確な名前を使います。
✅ 自動機能を活用する - AI は関係、検証、セキュリティを自動設定します。自分で構築しようとするより、これらのシステムを信頼してください。
❌ 既定値を上書きしない - 自動 ID 列とタイムスタンプには理由があります。そのまま機能させてください。
❌ セキュリティを省略しない - 新しい機能を作るときは、誰がデータを見て変更できるべきかを必ず説明してください。
関連ドキュメント: