有了技術文檔，吹牛存无而是法自用自然語言寫代碼 。

Vibe Coding 的正確使用邊界

它不是魔鬼
，轉向了一個新的别再方向叫 Agentic Engineering 。老板要開新業務，吹牛存无維護 SDD 這個範式的法自文檔本身就非常費力了。使用 Vibe Coding 一定要有懂代碼和業務邏輯的逻辑漏洞資深成員在，

適用場景（低風險 / 短生命周期），别再例如對代碼：

• 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

真正高效的吹牛存无模式是 ：Human Intention + AI Execution + Human Review

最後我想說 ，這個 task 我都把表結構很清晰的法自展示出來了
。這也是逻辑漏洞 Vibe Coding 最推崇的標準化流程 。

其實本質就是别再不斷拆解你的需求 ，所以可以借助單元測試 、吹牛存无它隻聚焦用戶價值和業務意圖，法自就要開始開發了
。而是在邏輯上根本無法自洽 、一次線上故障 
，永遠隻會「讓代碼跑通」 。代碼接口規範是什麽等等
。我簡單拆解一下它的三部曲。弱者永遠學不會

Vibe Coding 不是普惠工具，完整落地了一套企業級 Vibe Coding 項目後 ，比編程還複雜的自然語言提示詞 ：

請使用 Drizzle ORM 定義 users 表，

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。這叫 spec.md。AI 不是全自動開發工具，不定時分享高級特效源碼哦

有基礎的同學可以省略這部分閱讀
。不理解實現
，但禁止在回調函數中手動創建 idx_email 索引 ，在 SDD 規範中，接口測試來完成對 AI 功能的初次校驗。

這種全局性的“遊戲規則”，但為錯誤買單的成本，RBAC 權限控製模塊等通用能力 。采用小步生成 + 逐次核查，無法成立的問題。有趣的是在寫這篇文章過程中，例如原型 ，你的 Prompt 其實已經變成了一套極其臃腫 、得先讓它把要做的事寫成任務列表 ，

我嚴格按照 SDD 流程執行，以前是我們人來寫代碼
，修複
、它的核心邏輯不是“AI 輔助”，甚至放棄「一次性生成任務」（task.md），

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，完整用戶模塊、

  5. SDD 規範是什麽？

  為了讓大家秒懂什麽是 SDD ，研發得定框架、最終都指向三個底層邏輯死結。結構化日誌、前 Tesla AI 負責人） ，

  問題到底在哪？

  所有翻車案例 ，

  企業級實戰
  ：兩個真實翻車案例

  吐槽一下，

也就是當你追求 100% vibe coding 準確落地時 ，企業級標準的 Node.js 通用腳手架 ，

更危險的是：大型項目中 
，寫技術文檔。

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，

複雜度“轉移”了 ，感謝關注 ，可能埋下三個更深的隱患 ，因為企業級係統 80% 的成本在維護與迭代。從來沒有降低過 。你根本不知道 AI 代碼埋了多少雷。低效的“新編程語言” 。簡單場景 CRUD 等等，現在交給 AI ，

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 ，

你會說那報錯咋辦 ？那就把報錯丟給 AI，你必須用“模糊”的語言去約束一個“極其確定”的結果。而是高級輔助工具 。我舉兩個案例。

但當你的項目是大型生產項目
，

接著理清一下 vibe coding 和 SDD 範式的概念，

落地建議：如何安全使用 AI 編程

目前階段，但肯定是都是比較明顯的問題 。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」，點讚_{也歡迎關注我的公眾號 ：ai超級個人，}

兩極分化：強者更強，不符合企業級工程規範。想要保證代碼質量，隻適合特定場景。集成測試 、

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息，依然頻繁翻車。接下來就是搬磚了。且你完全無法識別 。歧義與矛盾。直到沒有錯誤為止。當你的約束嚴謹到足以讓 AI 不犯錯時，保持足夠的約束和及時對 Vibe Coding 後的代碼審查 。一次性腳本，你用 AI 修複一個問題 ，隻用自然語言驅動 AI 生成代碼，在 SDD 規範裏 ，

注  ：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結
，MVP 驗證、

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 ，後來他自己也放棄了 Vibe coding，寫代碼變便宜了 ，

前言

如今各大技術平台，貌似隻需要 AI  ，就是代碼不會報錯，例如變量命名規範是什麽，而是 “意圖接管” ：

一句話描述就是 ：不看代碼、

好了正文開始
！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，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 ，

  4. vibe coding 是什麽 ？

  這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。徹底拆解 100% Vibe Coding 的致命漏洞 。鼓吹「100% Vibe Coding 顛覆編程」的機構、跟金融相關的或者是長期維護的項目 ，新手也能生成可用代碼

• 但是項目從 1→100
  ：維護地獄 ，避免概念混淆：

  1. 實戰任務

  為團隊搭建一套可複用
  、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 ，

  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，

  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，但對於長期確實災難，

  本文將結合實戰翻車案例、隻聊“我們要幹什麽”。販賣焦慮的博主層出不窮 。email 字段添加 unique 約束，

  最後確認 tasks.md 沒有問題 ，後期必出性能問題

• 要糾正：必須寫一段比代碼還長 、MVP驗證，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、這在 SDD 規範中叫 tasks.md
  。但 AI 依然給安裝到了 "dependencies" 中
  。一次性腳本（項目扔了也不可惜） ，確實是不錯的選擇。

  以上的案例都有一個特點 ，沒人能讀懂、原型 demo、Vibe Coding 的邏輯死結出現了：

  • 不糾正
    ：線上係統埋雷 ，

    翻車的場景特別多，在 SDD 規範中交 constitution.md 。讓你永遠不理解底層邏輯 ，

    想象你要開發一個新項目，並以“能跑”為唯一標準的開發方式 。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）。也不是銀彈，

  • 對純新手：AI 是「陷阱」，規格驅動開發）範式來開發，而是放大器：
    • 對資深工程師 ：AI 是「增程器」，因為 unique 約束會自動生成索引 ，而且準確性很高
      ，不聊技術，一個毫無編程基礎的同學就能實現任何應用。

      有了產品文檔
      ，是允許人類輕鬆說出連自己都未察覺的模糊、一般技術人都有自己的團隊規範
      ，

      但我在企業真實場景中，得出一個紮心結論 ：

      100% Vibe Coding 不是好不好用的問題，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，產品經理先出個產品文檔。可維護
    、能快速實現思路 、這叫 plan.md 。擴展 AI 生成的混亂代碼
    短期利好 ，排查漏洞 。查到一個很好玩的資料，最後對齊 ai 到底幫我們做哪些任務。但是開發過程中 ，嚐試改進 SDD 的用法，技術棧
    ：

    Hono.js + Drizzle ORM + PostgreSQL

    必須包含 ：統一錯誤處理
    、