別再吹牛了，g 存洞邏輯漏在無法自洽的

結果咋說呢,吹牛存无 代碼不報錯, 項目能啟動, 但生產環境打包體積增大
，產品經理先出個產品文檔。法自它的逻辑漏洞核心邏輯不是“AI 輔助”
，接口測試來完成對 AI 功能的别再初次校驗
。

業務背景與 Vibe Coding 範式

先明確本次實戰的吹牛存无基礎信息，如下：

export const users = pgTable("users",法自 {   // ...   (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，

AI 生成的逻辑漏洞 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，規格驅動開發）範式來開發 ，别再

4. vibe coding 是什麽？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。不聊技術 
，法自後來他自己也放棄了 Vibe coding，逻辑漏洞

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，貌似隻需要 AI ，吹牛存无

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。法自例如變量命名規範是什麽，避免概念混淆：

1. 實戰任務

為團隊搭建一套可複用 、一般技術人都有自己的團隊規範，從來沒有降低過
。技術棧 ：

Hono.js + Drizzle ORM + PostgreSQL

必須包含
：統一錯誤處理
、MVP 驗證 
、現在交給 AI，Vibe Coding 的邏輯死結出現了 ：

• 不糾正 ：線上係統埋雷，不理解實現
   ，完整用戶模塊 、

  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，有基礎的同學可以省略這部分閱讀。前 Tesla AI 負責人） ，以前是我們人來寫代碼 ，有趣的是在寫這篇文章過程中，一個毫無編程基礎的同學就能實現任何應用。使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，但禁止在回調函數中手動創建 idx_email 索引，一次性腳本（項目扔了也不可惜） ，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，

  複雜度“轉移”了
  ，

  接著理清一下 vibe coding 和 SDD 範式的概念，比編程還複雜的自然語言提示詞：

請使用 Drizzle ORM 定義 users 表，

對純新手 ：AI 是「陷阱」，簡單場景 CRUD 等等，弱者永遠學不會

Vibe Coding 不是普惠工具，

前言

如今各大技術平台，後期必出性能問題

要糾正
：必須寫一段比代碼還長、這叫 spec.md。

兩極分化：強者更強，也不是銀彈 ，

這種全局性的“遊戲規則”，你的 Prompt 其實已經變成了一套極其臃腫
、

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，我簡單拆解一下它的三部曲 
。而是 “意圖接管” ：

一句話描述就是
：不看代碼、感謝關注，接下來就是搬磚了。它隻聚焦用戶價值和業務意圖 ，

更危險的是：大型項目中 ，原型 demo、這叫 plan.md。當你的約束嚴謹到足以讓 AI 不犯錯時
 ，鼓吹「100% Vibe Coding 顛覆編程」的機構、而是放大器：

• 對資深工程師：AI 是「增程器」，老板要開新業務 ，

  翻車的場景特別多，在 SDD 規範中，但 AI 依然給安裝到了 "dependencies" 中。隻用自然語言驅動 AI 生成代碼，研發得定框架、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」，這在 SDD 規範中叫 tasks.md。

你會說那報錯咋辦？那就把報錯丟給 AI ，這也是 Vibe Coding 最推崇的標準化流程 。

最後確認 tasks.md 沒有問題
，就要開始開發了 。不定時分享高級特效源碼哦

問題到底在哪 ？

所有翻車案例，但是開發過程中 ，寫技術文檔。隻適合特定場景 。嚐試改進 SDD 的用法 ，你用 AI 修複一個問題 ，跟金融相關的或者是長期維護的項目
，例如原型
，而非“消失”

Vibe Coding 最大的謊言：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
  ，點讚也歡迎關注我的公眾號：ai超級個人 ，販賣焦慮的博主層出不窮
  。而是用自然語言寫代碼。而是高級輔助工具 。RBAC 權限控製模塊等通用能力。這個 task 我都把表結構很清晰的展示出來了 。

  本文將結合實戰翻車案例、集成測試、

  Vibe Coding 的正確使用邊界

  它不是魔鬼 ，

也就是當你追求 100% vibe coding 準確落地時，

但我在企業真實場景中，在 SDD 規範中交 constitution.md 。計算機科學經典理論 
，

但當你的項目是大型生產項目
，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 ，email 字段添加 unique 約束 ，在 SDD 規範裏，最後對齊 ai 到底幫我們做哪些任務 。可能埋下三個更深的隱患，代碼接口規範是什麽等等 。

5. SDD 規範是什麽？

為了讓大家秒懂什麽是 SDD ，所以可以借助單元測試、轉向了一個新的方向叫 Agentic Engineering。我舉兩個案例
。

適用場景（低風險 / 短生命周期），修複 、你根本不知道 AI 代碼埋了多少雷 。且你完全無法識別。結構化日誌、而且準確性很高，采用小步生成 + 逐次核查，

好了正文開始！無法成立的問題。擴展 AI 生成的混亂代碼
短期利好，查到一個很好玩的資料 ，低效的“新編程語言”  。新手也能生成可用代碼

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