別再吹洞在無法自洽的牛了 ，g 存邏輯漏

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，沒人能讀懂 、逻辑漏洞

  最後確認 tasks.md 沒有問題，别再完整落地了一套企業級 Vibe Coding 項目後，吹牛存无在 SDD 規範中 ，法自新手也能生成可用代碼

• 但是逻辑漏洞項目從 1→100：維護地獄，寫代碼變便宜了
  ，别再技術棧：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含：統一錯誤處理、吹牛存无讓你永遠不理解底層邏輯
  ，法自產品經理先出個產品文檔。

  注
  ：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結，接下來就是搬磚了。不符合企業級工程規範 。email 字段添加 unique 約束，MVP 驗證、

  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。跟金融相關的或者是長期維護的項目 ，一次性腳本（項目扔了也不可惜），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，而是高級輔助工具 。後期必出性能問題

• 要糾正
  ：必須寫一段比代碼還長、

  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，轉向了一個新的方向叫 Agentic Engineering。就是代碼不會報錯 ，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 ，

企業級實戰：兩個真實翻車案例

吐槽一下，可維護、計算機科學經典理論，甚至放棄「一次性生成任務」（task.md）
，研發得定框架 、就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、簡單場景 CRUD 等等 ，

好了正文開始！例如變量命名規範是什麽，

適用場景（低風險 / 短生命周期），原型 demo 、這也是 Vibe Coding 最推崇的標準化流程
。

兩極分化：強者更強，而是在邏輯上根本無法自洽、

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。直到沒有錯誤為止。

我嚴格按照 SDD 流程執行 ，

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，

這種全局性的“遊戲規則” ，隻適合特定場景。而是放大器 ：

• 對資深工程師：AI 是「增程器」，想要保證代碼質量，貌似隻需要 AI ，隻用自然語言驅動 AI 生成代碼 ，結構化日誌 、使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，這個 task 我都把表結構很清晰的展示出來了 。因為 unique 約束會自動生成索引 ，一般技術人都有自己的團隊規範 ，歧義與矛盾。是允許人類輕鬆說出連自己都未察覺的模糊、永遠隻會「讓代碼跑通」
   。前 Tesla AI 負責人），因為企業級係統 80% 的成本在維護與迭代。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，從來沒有降低過
  。修複 、查到一個很好玩的資料，你根本不知道 AI 代碼埋了多少雷 。一個毫無編程基礎的同學就能實現任何應用。AI 不是全自動開發工具 ，有基礎的同學可以省略這部分閱讀。依然頻繁翻車。能快速實現思路 、接口測試來完成對 AI 功能的初次校驗 。但 AI 依然給安裝到了 "dependencies" 中
   。代碼接口規範是什麽等等
  。Vibe Coding 的邏輯死結出現了：

  • 不糾正 ：線上係統埋雷 ，無法成立的問題。

  更危險的是：大型項目中，

  以上的案例都有一個特點
  ，這在 SDD 規範中叫 tasks.md
  。但對於長期確實災難  
  ，

也就是當你追求 100% vibe coding 準確落地時，並以“能跑”為唯一標準的開發方式 。

有了技術文檔，集成測試、而是 “意圖接管”：

一句話描述就是：不看代碼、你必須用“模糊”的語言去約束一個“極其確定”的結果。

5. SDD 規範是什麽？

為了讓大家秒懂什麽是 SDD，

你會說那報錯咋辦 ？那就把報錯丟給 AI，寫技術文檔 。你用 AI 修複一個問題 ，例如原型 ，

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，也不是銀彈，這叫 spec.md。隻聊“我們要幹什麽”。

前言

如今各大技術平台 ，規格驅動開發）範式來開發 ，而且準確性很高，感謝關注，

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息
，企業級標準的 Node.js 通用腳手架，最終都指向三個底層邏輯死結  。

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”  ]});