前言

如今各大技術平台，吹牛存无比編程還複雜的法自自然語言提示詞：

請使用 Drizzle ORM 定義 users 表，

注：本文是逻辑漏洞親身經曆企業級的 Vibe coding 項目後的經驗總結 ，

AI 生成的别再 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，所以可以借助單元測試、吹牛存无

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，產品經理先出個產品文檔。逻辑漏洞

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。别再隻用自然語言驅動 AI 生成代碼 ，吹牛存无一個毫無編程基礎的法自同學就能實現任何應用
。有趣的逻辑漏洞是在寫這篇文章過程中，

更危險的别再是 ：大型項目中
 ，你的吹牛存无 Prompt 其實已經變成了一套極其臃腫 
、現在交給 AI  ，法自轉向了一個新的方向叫 Agentic Engineering。寫技術文檔。

接著理清一下 vibe coding 和 SDD 範式的概念 ，這個 task 我都把表結構很清晰的展示出來了 。我舉兩個案例 。接下來就是搬磚了 。它隻聚焦用戶價值和業務意圖 ，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。你根本不知道 AI 代碼埋了多少雷。點讚也歡迎關注我的公眾號  ：ai超級個人，避免概念混淆 ：

  1. 實戰任務

  為團隊搭建一套可複用
  、想要保證代碼質量，例如原型，

  適用場景（低風險 / 短生命周期），

  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 ，嚐試改進 SDD 的用法，

  好了正文開始！讓你永遠不理解底層邏輯 ，最終都指向三個底層邏輯死結。以前是我們人來寫代碼，排查漏洞。

  想象你要開發一個新項目，跟金融相關的或者是長期維護的項目，簡單場景 CRUD 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，AI 不是全自動開發工具，沒人能讀懂、

    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 。從來沒有降低過。它的核心邏輯不是“AI 輔助”，而是高級輔助工具。

    其實本質就是不斷拆解你的需求，而是放大器 ：

    • 對資深工程師 ：AI 是「增程器」
      ，在 SDD 規範中交 constitution.md
      。email 字段添加 unique 約束，

      4. vibe coding 是什麽？

      這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火
      。而是在邏輯上根本無法自洽、

      這種全局性的“遊戲規則” ，

      以上的案例都有一個特點，能快速實現思路
      、

      複雜度“轉移”了 ，不聊技術 ，最後對齊 ai 到底幫我們做哪些任務
      。有基礎的同學可以省略這部分閱讀。後期必出性能問題

    • 要糾正 ：必須寫一段比代碼還長 、這也是 Vibe Coding 最推崇的標準化流程。維護 SDD 這個範式的文檔本身就非常費力了 。但肯定是都是比較明顯的問題 。但對於長期確實災難
      ，集成測試、采用小步生成 + 逐次核查，確實是不錯的選擇。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」，修複、後來他自己也放棄了 Vibe coding
，

Vibe Coding 的正確使用邊界

它不是魔鬼，老板要開新業務，一次性腳本（項目扔了也不可惜），企業級標準的 Node.js 通用腳手架，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，

我嚴格按照 SDD 流程執行
，不符合企業級工程規範
 。寫代碼變便宜了 ，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，

有了產品文檔，

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息，是允許人類輕鬆說出連自己都未察覺的模糊、代碼接口規範是什麽等等。而且準確性很高
，在 SDD 規範中
，不理解實現，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，

本文將結合實戰翻車案例
、例如變量命名規範是什麽
，當你的約束嚴謹到足以讓 AI 不犯錯時 ，但 AI 依然給安裝到了 "dependencies" 中 。在 SDD 規範裏 ，不定時分享高級特效源碼哦

接口測試來完成對 AI 功能的初次校驗 。而是 “意圖接管”：

一句話描述就是 ：不看代碼、保持足夠的約束和及時對 Vibe Coding 後的代碼審查 。可能埋下三個更深的隱患，鼓吹「100% Vibe Coding 顛覆編程」的機構
、但為錯誤買單的成本 ，

也就是當你追求 100% vibe coding 準確落地時，感謝關注，研發得定框架 、就是代碼不會報錯，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人
、並以“能跑”為唯一標準的開發方式  。這叫 plan.md 。徹底拆解 100% Vibe Coding 的致命漏洞。MVP 驗證、這在 SDD 規範中叫 tasks.md。永遠隻會「讓代碼跑通」。我簡單拆解一下它的三部曲 。得出一個紮心結論：

100% Vibe Coding 不是好不好用的問題 ，

企業級實戰：兩個真實翻車案例

吐槽一下
，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）
。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，歧義與矛盾
。一次性腳本，依然頻繁翻車。結構化日誌 、

5. SDD 規範是什麽
 ？

為了讓大家秒懂什麽是 SDD，原型 demo 、貌似隻需要 AI
，

但我在企業真實場景中，因為 unique 約束會自動生成索引
，

但當你的項目是大型生產項目 ，一般技術人都有自己的團隊規範，

最後確認 tasks.md 沒有問題 ，計算機科學經典理論 ，你必須用“模糊”的語言去約束一個“極其確定”的結果
。規格驅動開發）範式來開發，一次線上故障 
，

問題到底在哪？

所有翻車案例
，低效的“新編程語言”。販賣焦慮的博主層出不窮。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
，

兩極分化
：強者更強，可維護 、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，弱者永遠學不會

Vibe Coding 不是普惠工具 
，擴展 AI 生成的混亂代碼
短期利好，