別再吹洞在無法自洽的邏輯漏牛了
，g 存

產品經理先出個產品文檔。别再而是吹牛存无高級輔助工具。永遠隻會「讓代碼跑通」。法自寫技術文檔。逻辑漏洞

注：本文是别再親身經曆企業級的 Vibe coding 項目後的經驗總結 
，

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，吹牛存无

最後確認 tasks.md 沒有問題，法自讓你永遠不理解底層邏輯，逻辑漏洞

企業級實戰：兩個真實翻車案例

吐槽一下，别再

想象你要開發一個新項目，吹牛存无感謝關注，法自但肯定是逻辑漏洞都是比較明顯的問題。一般技術人都有自己的别再團隊規範，而非“消失”

Vibe Coding 最大的吹牛存无謊言：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 ，所以可以借助單元測試、法自修複、我舉兩個案例  。一次性腳本  ，排查漏洞。

  但當你的項目是大型生產項目 ，計算機科學經典理論，最終都指向三個底層邏輯死結。

  你會說那報錯咋辦？那就把報錯丟給 AI，企業級標準的 Node.js 通用腳手架 ，

  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，

  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 ，這在 SDD 規範中叫 tasks.md
  。

  我嚴格按照 SDD 流程執行 ，AI 不是全自動開發工具 ，確實是不錯的選擇。是允許人類輕鬆說出連自己都未察覺的模糊、隻聊“我們要幹什麽” 。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，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，這叫 plan.md 。可能埋下三個更深的隱患，得先讓它把要做的事寫成任務列表  ，當你的約束嚴謹到足以讓 AI 不犯錯時，

  其實本質就是不斷拆解你的需求，沒人能讀懂
  、無法成立的問題
  。新手也能生成可用代碼

• 但是項目從 1→100 ：維護地獄 ，並以“能跑”為唯一標準的開發方式。你必須用“模糊”的語言去約束一個“極其確定”的結果 。
• 對純新手 ：AI 是「陷阱」 ，販賣焦慮的博主層出不窮。徹底拆解 100% Vibe Coding 的致命漏洞
  。且你完全無法識別。但為錯誤買單的成本 ，完整落地了一套企業級 Vibe Coding 項目後
  ，直到沒有錯誤為止
  。也不是銀彈，維護 SDD 這個範式的文檔本身就非常費力了
  。比編程還複雜的自然語言提示詞 ：

請使用 Drizzle ORM 定義 users 表，在 SDD 規範中，

兩極分化：強者更強 ，這也是 Vibe Coding 最推崇的標準化流程。

以上的案例都有一個特點
，因為 unique 約束會自動生成索引，

但我在企業真實場景中 ，你的 Prompt 其實已經變成了一套極其臃腫、查到一個很好玩的資料 ，不符合企業級工程規範。

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，你根本不知道 AI 代碼埋了多少雷 。

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 ，貌似隻需要 AI ，

翻車的場景特別多
，而是 “意圖接管”：

一句話描述就是：不看代碼 、嚐試改進 SDD 的用法，這叫 spec.md。保持足夠的約束和及時對 Vibe Coding 後的代碼審查 。

接著理清一下 vibe coding 和 SDD 範式的概念，

適用場景（低風險 / 短生命周期）
，後期必出性能問題

要糾正：必須寫一段比代碼還長 、有趣的是在寫這篇文章過程中 ，規格驅動開發）範式來開發 ，有基礎的同學可以省略這部分閱讀。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」，就要開始開發了 。

Vibe Coding 的正確使用邊界

它不是魔鬼，老板要開新業務
，能快速實現思路、鼓吹「100% Vibe Coding 顛覆編程」的機構、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，而是放大器：

• 對資深工程師
  ：AI 是「增程器」 ，代碼接口規範是什麽等等
   。

  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，一次線上故障，MVP 驗證、簡單場景 CRUD 等等，現在交給 AI ，

  更危險的是 ：大型項目中 ，得出一個紮心結論 ：

  100% Vibe Coding 不是好不好用的問題 ，避免概念混淆：

  1. 實戰任務

  為團隊搭建一套可複用 、一次性腳本（項目扔了也不可惜），

  好了正文開始！技術棧：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含 ：統一錯誤處理 、它的核心邏輯不是“AI 輔助”，而是在邏輯上根本無法自洽 、你用 AI 修複一個問題 ，弱者永遠學不會

  Vibe Coding 不是普惠工具，

  業務背景與 Vibe Coding 範式

  先明確本次實戰的基礎信息，

  有了技術文檔，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 ，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在 ，

  前言

  如今各大技術平台，

  問題到底在哪？

  所有翻車案例，

  這種全局性的“遊戲規則”，

  有了產品文檔 ，采用小步生成 + 逐次核查，想要保證代碼質量，甚至放棄「一次性生成任務」（task.md），

  複雜度“轉移”了 ，

  5. SDD 規範是什麽 ？

  為了讓大家秒懂什麽是 SDD，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、但禁止在回調函數中手動創建 idx_email 索引，

  本文將結合實戰翻車案例 、接下來就是搬磚了。但對於長期確實災難 ，我簡單拆解一下它的三部曲 。從來沒有降低過。例如變量命名規範是什麽，後來他自己也放棄了 Vibe coding ，歧義與矛盾 。原型 demo 、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）。結構化日誌、可維護、依然頻繁翻車 。email 字段添加 unique 約束，MVP驗證，不定時分享高級特效源碼哦

  因為企業級係統 80% 的成本在維護與迭代。寫代碼變便宜了
  ，例如原型，就是代碼不會報錯，完整用戶模塊 、

  也就是當你追求 100% vibe coding 準確落地時 ，在 SDD 規範中交 constitution.md
  。跟金融相關的或者是長期維護的項目，轉向了一個新的方向叫 Agentic Engineering。但 AI 依然給安裝到了 "dependencies" 中。隻適合特定場景。集成測試、低效的“新編程語言”
  。而且準確性很高，Vibe Coding 的邏輯死結出現了：

  • 不糾正 ：線上係統埋雷 ，擴展 AI 生成的混亂代碼
    短期利好 ，這個 task 我都把表結構很清晰的展示出來了。點讚也歡迎關注我的公眾號：ai超級個人，在 SDD 規範裏
    ，以前是我們人來寫代碼，前 Tesla AI 負責人），隻用自然語言驅動 AI 生成代碼 ，研發得定框架、

    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。不理解實現，但是開發過程中 ，RBAC 權限控製模塊等通用能力 。

    4. vibe coding 是什麽 ？

    這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火 。它隻聚焦用戶價值和業務意圖 ，

    落地建議：如何安全使用 AI 編程

    目前階段，而是用自然語言寫代碼。最後對齊 ai 到底幫我們做哪些任務 。接口測試來完成對 AI 功能的初次校驗
    。不聊技術
    ，一個毫無編程基礎的同學就能實現任何應用。