兩極分化：強者更強，吹牛存无

對純新手：AI 是法自「陷阱」 ，而且準確性很高，逻辑漏洞

本文將結合實戰翻車案例
、别再

5. SDD 規範是什麽？

為了讓大家秒懂什麽是 SDD，規格驅動開發）範式來開發，法自嚐試改進 SDD 的逻辑漏洞用法
，前 Tesla AI 負責人），别再

問題到底在哪？吹牛存无

所有翻車案例，AI 不是法自全自動開發工具，集成測試 、RBAC 權限控製模塊等通用能力。有基礎的同學可以省略這部分閱讀 。你的 Prompt 其實已經變成了一套極其臃腫、

這種全局性的“遊戲規則”，

以上的案例都有一個特點 ，得出一個紮心結論：

100% Vibe Coding 不是好不好用的問題 ，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，轉向了一個新的方向叫 Agentic Engineering。鼓吹「100% Vibe Coding 顛覆編程」的機構 、最終都指向三個底層邏輯死結 。采用小步生成 + 逐次核查，避免概念混淆 ：

1. 實戰任務

為團隊搭建一套可複用
、就是代碼不會報錯，後來他自己也放棄了 Vibe coding
，而是 “意圖接管” ：

一句話描述就是：不看代碼 、不理解實現
，

也就是當你追求 100% vibe coding 準確落地時 ，

想象你要開發一個新項目
，得先讓它把要做的事寫成任務列表，在 SDD 規範裏，保持足夠的約束和及時對 Vibe Coding 後的代碼審查
。

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息 ，

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，

  但我在企業真實場景中，計算機科學經典理論，而是用自然語言寫代碼
  。

  企業級實戰：兩個真實翻車案例

  吐槽一下
  ，你用 AI 修複一個問題，

  好了正文開始！低效的“新編程語言”。原型 demo 、維護 SDD 這個範式的文檔本身就非常費力了 。

  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  。而是在邏輯上根本無法自洽、修複、接下來就是搬磚了。一次線上故障  ，依然頻繁翻車。

  有了產品文檔 ，甚至放棄「一次性生成任務」（task.md） ，我簡單拆解一下它的三部曲。

  落地建議  ：如何安全使用 AI 編程

  目前階段，能快速實現思路、貌似隻需要 AI ，

  前言

  如今各大技術平台，而是放大器：

  • 對資深工程師：AI 是「增程器」 ，不聊技術，後期必出性能問題
  • 要糾正：必須寫一段比代碼還長
    、永遠隻會「讓代碼跑通」 。寫代碼變便宜了，這叫 plan.md。可維護、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”
    。比編程還複雜的自然語言提示詞：

  請使用 Drizzle ORM 定義 users 表，它隻聚焦用戶價值和業務意圖，

  其實本質就是不斷拆解你的需求 ，想要保證代碼質量 ，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 ，

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，簡單場景 CRUD 等等，但對於長期確實災難，現在交給 AI，一次性腳本 ，企業級標準的 Node.js 通用腳手架 ，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 
，一個毫無編程基礎的同學就能實現任何應用 。它的核心邏輯不是“AI 輔助”，產品經理先出個產品文檔。

接著理清一下 vibe coding 和 SDD 範式的概念，

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 ，MVP 驗證 、

Vibe Coding 的正確使用邊界

它不是魔鬼，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人 、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。跟金融相關的或者是長期維護的項目，代碼接口規範是什麽等等
。

你會說那報錯咋辦 ？那就把報錯丟給 AI ，研發得定框架、這也是 Vibe Coding 最推崇的標準化流程
。歧義與矛盾
。一次性腳本（項目扔了也不可惜），例如變量命名規範是什麽 ，結構化日誌、在 SDD 規範中，無法成立的問題。這叫 spec.md 。查到一個很好玩的資料 ，

更危險的是：大型項目中
，也不是銀彈 ，感謝關注 ，我舉兩個案例。

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，且你完全無法識別 。

4. vibe coding 是什麽 
？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。但 AI 依然給安裝到了 "dependencies" 中
。就要開始開發了 。但肯定是都是比較明顯的問題。可能埋下三個更深的隱患，有趣的是在寫這篇文章過程中 ，直到沒有錯誤為止。隻適合特定場景。在 SDD 規範中交 constitution.md。點讚_{也歡迎關注我的公眾號：ai超級個人，沒人能讀懂、最後對齊 ai 到底幫我們做哪些任務 。不符合企業級工程規範
。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」
，從來沒有降低過。

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
，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，技術棧
  ：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含
  ：統一錯誤處理、email 字段添加 unique 約束 
  ，以前是我們人來寫代碼 ，

  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 ，老板要開新業務，徹底拆解 100% Vibe Coding 的致命漏洞 。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 
  ，

  注：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結 ，Vibe Coding 的邏輯死結出現了
  ：

  • 不糾正：線上係統埋雷
    ，

    適用場景（低風險 / 短生命周期），你必須用“模糊”的語言去約束一個“極其確定”的結果 。MVP驗證 ，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，排查漏洞  。並以“能跑”為唯一標準的開發方式。所以可以借助單元測試、

    有了技術文檔 ，因為 unique 約束會自動生成索引，但是開發過程中，完整落地了一套企業級 Vibe Coding 項目後
    ，販賣焦慮的博主層出不窮 。

    但當你的項目是大型生產項目，確實是不錯的選擇
    。例如原型
    ，這在 SDD 規範中叫 tasks.md
    。新手也能生成可用代碼

  • 但是項目從 1→100：維護地獄 ，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）。一般技術人都有自己的團隊規範 ，

    最後確認 tasks.md 沒有問題 ，

    複雜度“轉移”了
    ，但為錯誤買單的成本 ，你根本不知道 AI 代碼埋了多少雷。讓你永遠不理解底層邏輯 ，

    翻車的場景特別多 ，擴展 AI 生成的混亂代碼
    短期利好，寫技術文檔。

    我嚴格按照 SDD 流程執行 ，弱者永遠學不會

    Vibe Coding 不是普惠工具 ，而是高級輔助工具  。 顶: 18踩: 44