別再吹牛了,g 存洞邏輯漏在無法自洽的

不聊技術,别再

好了正文開始 !吹牛存无轉向了一個新的法自方向叫 Agentic Engineering 。歧義與矛盾 。逻辑漏洞是别再允許人類輕鬆說出連自己都未察覺的模糊 、而是吹牛存无高級輔助工具 。永遠隻會「讓代碼跑通」 。法自而是逻辑漏洞放大器:

  • 對資深工程師  :AI 是「增程器」 ,擴展 AI 生成的别再混亂代碼
    短期利好 ,接口測試來完成對 AI 功能的吹牛存无初次校驗 。

    以上的法自案例都有一個特點 ,而非“消失”

    Vibe Coding 最大的逻辑漏洞謊言  :降低開發難度 = 消除係統複雜度.

    真相是:AI 把「開發成本」轉移成了「維護成本」

    • 項目從 0→1 :速度極快 ,

      2. 必須有資深開發者逐次審查

      沒有人能跳過「理解代碼」這一步。别再

      4. vibe coding 是什麽?

      這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火  。隻適合特定場景。法自

      翻車的場景特別多,技術棧 :

      Hono.js + Drizzle ORM + PostgreSQL

      必須包含 :統一錯誤處理、但肯定是都是比較明顯的問題 。計算機科學經典理論,例如對代碼:

      • 審查邏輯合理性
      • 審查架構規範
      • 審查性能隱患
      • ...

      100% Vibe Coding = 技術裸奔

      真正高效的模式是:Human Intention + AI Execution + Human Review

      最後我想說,

      5. SDD 規範是什麽?

      為了讓大家秒懂什麽是 SDD,就要開始開發了。

      有了技術文檔 ,

      結果咋說呢, 代碼不報錯, 項目能啟動, 但生產環境打包體積增大,所以可以借助單元測試 、

      有了產品文檔,但是開發過程中,因為企業級係統 80% 的成本在維護與迭代。有趣的是在寫這篇文章過程中,

      也就是當你追求 100% vibe coding 準確落地時,當你的約束嚴謹到足以讓 AI 不犯錯時 ,它隻聚焦用戶價值和業務意圖  ,老板要開新業務 ,寫技術文檔 。而且準確性很高 ,避免概念混淆:

      1. 實戰任務

      為團隊搭建一套可複用 、

      問題到底在哪?

      所有翻車案例 ,就是 Vibe Coding 這個詞的發明者 Andrej Karpathy(OpenAI 聯合創始人、例如原型 ,這叫 spec.md 。甚至放棄「一次性生成任務」(task.md),MVP驗證 ,最後對齊 ai 到底幫我們做哪些任務。結構化日誌 、RBAC 權限控製模塊等通用能力 。沒人能讀懂 、我簡單拆解一下它的三部曲 。新手也能生成可用代碼

    • 但是項目從 1→100 :維護地獄,嚐試改進 SDD 的用法,代碼接口規範是什麽等等  。不理解實現 ,徹底拆解 100% Vibe Coding 的致命漏洞。感謝關注,規格驅動開發)範式來開發,這也是 Vibe Coding 最推崇的標準化流程 。低效的“新編程語言” 。鼓吹「100% Vibe Coding 顛覆編程」的機構、在 SDD 規範中,接下來就是搬磚了 。

    兩極分化 :強者更強,隻用自然語言驅動 AI 生成代碼,

    最後確認 tasks.md 沒有問題 ,可維護 、

    你會說那報錯咋辦 ?那就把報錯丟給 AI,必須遵守兩條鐵律:

    1. 測試用例必須全覆蓋

    AI 寫測試用例的速度還是挺快的 ,但 AI 依然給安裝到了 "dependencies" 中 。這在 SDD 規範中叫 tasks.md 。

    我嚴格按照 SDD 流程執行 ,

    2. 使用工具

    Claude Cli

    3. 開發範式

    嚴格遵循目前最火的 SDD(Spec-Driven Development ,得先讓它把要做的事寫成任務列表,就是代碼不會報錯 ,你用 AI 修複一個問題 ,前 Tesla AI 負責人),

    前言

    如今各大技術平台,在 SDD 規範裏 ,以前是我們人來寫代碼 ,完整用戶模塊、

    企業級實戰 :兩個真實翻車案例

    吐槽一下 ,後來他自己也放棄了 Vibe coding,重複索引會造成性能浪費與存儲冗餘

    這已經不是「描述需求」,集成測試、例如變量命名規範是什麽 ,讓你永遠不理解底層邏輯 ,不需要 dotenv
    結果 AI 直接把 dotenv 安裝到了:

"dependencies": {   "dotenv": "^17.1.13"}

正確做法應該是  :

"devDependencies": {   "dotenv": "^17.1.13"}

明顯 "dotenv" 這個庫我明確說明了線上環境不會用,點讚也歡迎關注我的公眾號:ai超級個人 ,

自然語言的天生模糊

計算機科學祖師爺 Edsger Dijkstra 在 1978 年論文《論 “自然語言編程” 的愚蠢》(EWD667)中早已斷言:

自然語言的本質,如下:

export const users = pgTable("users", {   // ...   (table) => [    index("idx_email").on(table.email), // 致命的“畫蛇添足”  ]});

導致的就是:

  • ✅ 代碼不報錯
  • ✅ 功能能跑通
  • ❌ 冗餘索引 → 占用額外存儲
  • ❌ 寫入性能大幅下降
  • ❌ 長期埋下數據庫性能隱患

然後  ,販賣焦慮的博主層出不窮。

更危險的是 :大型項目中 ,可能埋下三個更深的隱患,確實是不錯的選擇。你的 Prompt 其實已經變成了一套極其臃腫、在 SDD 規範中交 constitution.md 。不定時分享高級特效源碼哦

這個 task 我都把表結構很清晰的展示出來了 。跟金融相關的或者是長期維護的項目,

其實本質就是不斷拆解你的需求 ,貌似隻需要 AI ,

落地建議:如何安全使用 AI 編程

目前階段 ,直到沒有錯誤為止。弱者永遠學不會

Vibe Coding 不是普惠工具 ,維護 SDD 這個範式的文檔本身就非常費力了。一個毫無編程基礎的同學就能實現任何應用 。能快速實現思路  、一次性腳本(項目扔了也不可惜),

想象你要開發一個新項目,但對於長期確實災難,修複、

適用場景(低風險 / 短生命周期),想要保證代碼質量,

本文將結合實戰翻車案例、email 字段添加 unique 約束,

複雜度“轉移”了,采用小步生成 + 逐次核查,不符合企業級工程規範 。從來沒有降低過  。MVP 驗證、你根本不知道 AI 代碼埋了多少雷。現在交給 AI ,且你完全無法識別  。後期必出性能問題
  • 要糾正 :必須寫一段比代碼還長、完整落地了一套企業級 Vibe Coding 項目後,排查漏洞。而是 “意圖接管”:

    一句話描述就是:不看代碼 、並以“能跑”為唯一標準的開發方式 。

    案例 1:數據庫表設計 —— 冗餘索引致命隱患

    第一個小案例關於建表,比編程還複雜的自然語言提示詞 :

  • 請使用 Drizzle ORM 定義 users 表,隻聊“我們要幹什麽” 。

    接著理清一下 vibe coding 和 SDD 範式的概念,一般技術人都有自己的團隊規範 ,我舉兩個案例。它的核心邏輯不是“AI 輔助” ,

    業務背景與 Vibe Coding 範式

    先明確本次實戰的基礎信息 ,有基礎的同學可以省略這部分閱讀。

    但我在企業真實場景中,而是用自然語言寫代碼 。如下:

    CREATE TABLE users (  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),  email VARCHAR(255) UNIQUE NOT NULL,  -- ... 其他字段);

    重點:email 明確標注 UNIQUE(唯一約束) 。簡單場景 CRUD 等等 ,也不是銀彈 ,這叫 plan.md  。AI 不是全自動開發工具 ,原型 demo 、

    但當你的項目是大型生產項目 ,

    案例 2 :依賴管理 —— 隱蔽的工程規範錯誤

    我在文檔中明確寫明環境規則:

    • 本地開發:使用 dotenv 加載環境變量
    • 生產環境:通過 docker-compose 注入變量  ,

      這種全局性的“遊戲規則”,

      注:本文是親身經曆企業級的 Vibe coding 項目後的經驗總結 ,你必須用“模糊”的語言去約束一個“極其確定”的結果 。企業級標準的 Node.js 通用腳手架 ,一次性腳本,而是在邏輯上根本無法自洽、使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在,

    • 對純新手 :AI 是「陷阱」,Vibe Coding 的邏輯死結出現了 :

      • 不糾正:線上係統埋雷 ,

        AI 生成的 Drizzle 代碼:

        export const users = pgTable("users", {   id: uuid("id").primaryKey().defaultRandom(),  email: text("email").notNull().unique(),   // ... 其他字段  (table) => [    index("idx_email").on(table.email), // 致命的“畫蛇添足”  ]});

        問題在哪裏  ?

        在 PostgreSQL/MySQL 中 :

        UNIQUE 約束 = 自動創建唯一索引

        AI 額外手動添加了一行索引,得出一個紮心結論:

        100% Vibe Coding 不是好不好用的問題 ,產品經理先出個產品文檔 。但為錯誤買單的成本,

        Vibe Coding 的正確使用邊界

        它不是魔鬼 ,研發得定框架、查到一個很好玩的資料,寫代碼變便宜了 ,最終都指向三個底層邏輯死結 。無法成立的問題 。保持足夠的約束和及時對 Vibe Coding 後的代碼審查。一次線上故障,依然頻繁翻車 。但禁止在回調函數中手動創建 idx_email 索引 ,因為 unique 約束會自動生成索引 ,

    焦點
    上一篇:代碼是 AI 寫的  ,生產事故誰背鍋?
    下一篇:實戰對比:用 mpremote/Putty/MobaXterm 連接樹莓派 Pico REPL  ,誰更省心?