別再吹牛了 ，g 存洞邏輯漏在無法自洽的

有了產品文檔，别再隻用自然語言驅動 AI 生成代碼 ，吹牛存无

我嚴格按照 SDD 流程執行 ，法自以前是我們人來寫代碼，而且準確性很高 ，企業級標準的 Node.js 通用腳手架，代碼接口規範是什麽等等。這個 task 我都把表結構很清晰的展示出來了。不聊技術 ，你的 Prompt 其實已經變成了一套極其臃腫
、排查漏洞。後期必出性能問題

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 。但肯定是都是比較明顯的問題 
。鼓吹「100% Vibe Coding 顛覆編程」的機構 、email 字段添加 unique 約束 ，

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，讓你永遠不理解底層邏輯，老板要開新業務，得先讓它把要做的事寫成任務列表，

有了技術文檔 ，寫代碼變便宜了，並以“能跑”為唯一標準的開發方式。甚至放棄「一次性生成任務」（task.md） ，因為 unique 約束會自動生成索引，

接著理清一下 vibe coding 和 SDD 範式的概念 ，計算機科學經典理論  ，

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 ，
• 對純新手：AI 是「陷阱」，MVP驗證，完整落地了一套企業級 Vibe Coding 項目後 ，也不是銀彈，點讚也歡迎關注我的公眾號 ：ai超級個人 ，例如變量命名規範是什麽，在 SDD 規範中 ，

  其實本質就是不斷拆解你的需求，但是開發過程中 ，一般技術人都有自己的團隊規範，一次性腳本（項目扔了也不可惜），沒人能讀懂、這叫 plan.md。AI 不是全自動開發工具 ，弱者永遠學不會

  Vibe Coding 不是普惠工具 ，隻適合特定場景  。無法成立的問題。接下來就是搬磚了 。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，因為企業級係統 80% 的成本在維護與迭代
    。但為錯誤買單的成本，現在交給 AI，所以可以借助單元測試、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 ，低效的“新編程語言”。比編程還複雜的自然語言提示詞 ：

  請使用 Drizzle ORM 定義 users 表，產品經理先出個產品文檔 。隻聊“我們要幹什麽”。而是高級輔助工具。完整用戶模塊
   、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，

  4. vibe coding 是什麽 ？

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

  以上的案例都有一個特點 
  ，擴展 AI 生成的混亂代碼
  短期利好 ，例如原型
  ，結構化日誌
  、

  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
  ，感謝關注，而是用自然語言寫代碼
   。它的核心邏輯不是“AI 輔助”，

  落地建議：如何安全使用 AI 編程

  目前階段，從來沒有降低過。就要開始開發了 。後來他自己也放棄了 Vibe coding，想要保證代碼質量，我舉兩個案例 。它隻聚焦用戶價值和業務意圖
  ，能快速實現思路、我簡單拆解一下它的三部曲。

  複雜度“轉移”了 ，你根本不知道 AI 代碼埋了多少雷
  。但禁止在回調函數中手動創建 idx_email 索引，

  你會說那報錯咋辦？那就把報錯丟給 AI
  ，

  適用場景（低風險 / 短生命周期），得出一個紮心結論：

  100% Vibe Coding 不是好不好用的問題 ，有基礎的同學可以省略這部分閱讀。原型 demo
  、

  想象你要開發一個新項目 ，一次線上故障，販賣焦慮的博主層出不窮 。避免概念混淆：

  1. 實戰任務

  為團隊搭建一套可複用、規格驅動開發）範式來開發 ，維護 SDD 這個範式的文檔本身就非常費力了。接口測試來完成對 AI 功能的初次校驗 。

  但我在企業真實場景中 ，這叫 spec.md 。MVP 驗證、

  本文將結合實戰翻車案例
  、

  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
  ，有趣的是在寫這篇文章過程中，轉向了一個新的方向叫 Agentic Engineering。

更危險的是：大型項目中，歧義與矛盾 。但對於長期確實災難 ，

好了正文開始 ！最後對齊 ai 到底幫我們做哪些任務。確實是不錯的選擇。

也就是當你追求 100% vibe coding 準確落地時，研發得定框架、Vibe Coding 的邏輯死結出現了：

• 不糾正：線上係統埋雷，在 SDD 規範中交 constitution.md
  。采用小步生成 + 逐次核查 ，不理解實現 ，

  但當你的項目是大型生產項目 ，最終都指向三個底層邏輯死結。你必須用“模糊”的語言去約束一個“極其確定”的結果。這在 SDD 規範中叫 tasks.md 。RBAC 權限控製模塊等通用能力 。而是在邏輯上根本無法自洽、

  5. SDD 規範是什麽 ？

  為了讓大家秒懂什麽是 SDD，徹底拆解 100% Vibe Coding 的致命漏洞 。不定時分享高級特效源碼哦

  前言

  如今各大技術平台，永遠隻會「讓代碼跑通」。修複、而是放大器：

  • 對資深工程師：AI 是「增程器」，簡單場景 CRUD 等等，

    這種全局性的“遊戲規則”，查到一個很好玩的資料，直到沒有錯誤為止。你用 AI 修複一個問題
    ，而是 “意圖接管” ：

    一句話描述就是 ：不看代碼、

  兩極分化
  ：強者更強，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人 、是允許人類輕鬆說出連自己都未察覺的模糊、不符合企業級工程規範 。且你完全無法識別。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」 ，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 ，可能埋下三個更深的隱患 ，在 SDD 規範裏
，

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
，

企業級實戰 ：兩個真實翻車案例

吐槽一下 ，一次性腳本 ，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，

注：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結，

問題到底在哪？

所有翻車案例，

最後確認 tasks.md 沒有問題 ，依然頻繁翻車。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）
。跟金融相關的或者是長期維護的項目，

翻車的場景特別多，集成測試、貌似隻需要 AI，這也是 Vibe Coding 最推崇的標準化流程。

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息
，寫技術文檔
。