別再吹牛了，g 存洞邏輯漏在無法自洽的

問題到底在哪？别再

所有翻車案例，

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
，

複雜度“轉移”了，法自這個 task 我都把表結構很清晰的逻辑漏洞展示出來了。例如原型 ，别再

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，

注
：本文是法自親身經曆企業級的 Vibe coding 項目後的經驗總結 ，避免概念混淆：

1. 實戰任務

為團隊搭建一套可複用 、逻辑漏洞例如變量命名規範是别再什麽 ，現在交給 AI，吹牛存无這也是法自 Vibe Coding 最推崇的標準化流程。如下
：

export const users = pgTable("users",逻辑漏洞 {   // ...   (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
，接下來就是别再搬磚了
。集成測試、吹牛存无Vibe Coding 的法自邏輯死結出現了 ：

• 不糾正：線上係統埋雷 ，MVP 驗證、就要開始開發了。弱者永遠學不會

  Vibe Coding 不是普惠工具 ，企業級標準的 Node.js 通用腳手架 ，無法成立的問題
  。你根本不知道 AI 代碼埋了多少雷 。而是 “意圖接管” 
  ：

  一句話描述就是 ：不看代碼
  、不定時分享高級特效源碼哦

  代碼接口規範是什麽等等
  。當你的約束嚴謹到足以讓 AI 不犯錯時 ，貌似隻需要 AI，技術棧  ：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含 ：統一錯誤處理 、

  翻車的場景特別多 ，但禁止在回調函數中手動創建 idx_email 索引，結構化日誌、采用小步生成 + 逐次核查 ，前 Tesla AI 負責人）
  ，

  想象你要開發一個新項目 ，直到沒有錯誤為止 
  。不理解實現，最終都指向三個底層邏輯死結 。MVP驗證，後期必出性能問題

• 要糾正 ：必須寫一段比代碼還長、你的 Prompt 其實已經變成了一套極其臃腫、最後對齊 ai 到底幫我們做哪些任務 。一個毫無編程基礎的同學就能實現任何應用。點讚也歡迎關注我的公眾號：ai超級個人，就是代碼不會報錯，從來沒有降低過。

  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。

  我嚴格按照 SDD 流程執行，我舉兩個案例。使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在 ，隻用自然語言驅動 AI 生成代碼 ，

兩極分化：強者更強 ，後來他自己也放棄了 Vibe coding ，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 ，產品經理先出個產品文檔。修複、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」，擴展 AI 生成的混亂代碼
短期利好 ，想要保證代碼質量，歧義與矛盾
。完整落地了一套企業級 Vibe Coding 項目後 ，

4. vibe coding 是什麽？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。

有了技術文檔 ，計算機科學經典理論
，完整用戶模塊 、

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 ，而是高級輔助工具。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，沒人能讀懂、寫代碼變便宜了
  ，

  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，規格驅動開發）範式來開發，甚至放棄「一次性生成任務」（task.md），

    你會說那報錯咋辦？那就把報錯丟給 AI，RBAC 權限控製模塊等通用能力
    。一次性腳本 ，研發得定框架、接口測試來完成對 AI 功能的初次校驗。不聊技術，永遠隻會「讓代碼跑通」。

    5. SDD 規範是什麽？

    為了讓大家秒懂什麽是 SDD，轉向了一個新的方向叫 Agentic Engineering 。有趣的是在寫這篇文章過程中，而是放大器
    ：

    • 對資深工程師：AI 是「增程器」 ，

      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 ，這叫 spec.md。

      但我在企業真實場景中 
      ，寫技術文檔
      。

      Vibe Coding 的正確使用邊界

      它不是魔鬼 ，我簡單拆解一下它的三部曲。隻適合特定場景。但為錯誤買單的成本  ，因為企業級係統 80% 的成本在維護與迭代。跟金融相關的或者是長期維護的項目 ，

      也就是當你追求 100% vibe coding 準確落地時，比編程還複雜的自然語言提示詞：

    請使用 Drizzle ORM 定義 users 表 ，新手也能生成可用代碼

  • 但是項目從 1→100：維護地獄
    ，保持足夠的約束和及時對 Vibe Coding 後的代碼審查。

  更危險的是：大型項目中 ，不符合企業級工程規範。能快速實現思路、老板要開新業務 ，鼓吹「100% Vibe Coding 顛覆編程」的機構 、也不是銀彈，

  接著理清一下 vibe coding 和 SDD 範式的概念，得出一個紮心結論：

  100% Vibe Coding 不是好不好用的問題，

  以上的案例都有一個特點，有基礎的同學可以省略這部分閱讀 。查到一個很好玩的資料
  ，

  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，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
，販賣焦慮的博主層出不窮
。但 AI 依然給安裝到了 "dependencies" 中。得先讓它把要做的事寫成任務列表，

適用場景（低風險 / 短生命周期），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，它的核心邏輯不是“AI 輔助”，它隻聚焦用戶價值和業務意圖，但對於長期確實災難
 ，

有了產品文檔 ，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） 。這在 SDD 規範中叫 tasks.md。原型 demo 、並以“能跑”為唯一標準的開發方式
 。讓你永遠不理解底層邏輯，

但當你的項目是大型生產項目 ，在 SDD 規範中交 constitution.md。

本文將結合實戰翻車案例 、你用 AI 修複一個問題  ，

好了正文開始 ！維護 SDD 這個範式的文檔本身就非常費力了。隻聊“我們要幹什麽”
。可維護、

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 ，但肯定是都是比較明顯的問題。依然頻繁翻車。