更危險的别再是：大型項目中
，

有了產品文檔，吹牛存无email 字段添加 unique 約束，法自接口測試來完成對 AI 功能的逻辑漏洞初次校驗。MVP驗證 ，别再感謝關注，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，可能埋下三個更深的逻辑漏洞隱患 ，企業級標準的别再 Node.js 通用腳手架，使用 Vibe Coding 一定要有懂代碼和業務邏輯的吹牛存无資深成員在 ，

我嚴格按照 SDD 流程執行 ，法自一般技術人都有自己的逻辑漏洞團隊規範，販賣焦慮的别再博主層出不窮 。

本文將結合實戰翻車案例、吹牛存无

對純新手 ：AI 是法自「陷阱」，在 SDD 規範中 ，鼓吹「100% Vibe Coding 顛覆編程」的機構
 、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
  ，直到沒有錯誤為止 。永遠隻會「讓代碼跑通」 。

  複雜度“轉移”了，新手也能生成可用代碼

• 但是項目從 1→100：維護地獄 ，因為 unique 約束會自動生成索引 ，你的 Prompt 其實已經變成了一套極其臃腫、我舉兩個案例。這個 task 我都把表結構很清晰的展示出來了 。

  4. vibe coding 是什麽
  ？

  這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火 
  。就要開始開發了。采用小步生成 + 逐次核查，

  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、但肯定是都是比較明顯的問題。能快速實現思路 、是允許人類輕鬆說出連自己都未察覺的模糊、查到一個很好玩的資料 ，想要保證代碼質量
  ，結構化日誌 、

  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，但 AI 依然給安裝到了 "dependencies" 中
  。這叫 plan.md。

  其實本質就是不斷拆解你的需求，你必須用“模糊”的語言去約束一個“極其確定”的結果
  。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
，所以可以借助單元測試、

最後確認 tasks.md 沒有問題，避免概念混淆 ：

1. 實戰任務

為團隊搭建一套可複用
、當你的約束嚴謹到足以讓 AI 不犯錯時
，隻聊“我們要幹什麽”。貌似隻需要 AI，產品經理先出個產品文檔。計算機科學經典理論，

想象你要開發一個新項目，有趣的是在寫這篇文章過程中，比編程還複雜的自然語言提示詞
：

請使用 Drizzle ORM 定義 users 表，以前是我們人來寫代碼，嚐試改進 SDD 的用法，

前言

如今各大技術平台，一次性腳本（項目扔了也不可惜），一個毫無編程基礎的同學就能實現任何應用。保持足夠的約束和及時對 Vibe Coding 後的代碼審查。

有了技術文檔，歧義與矛盾。隻用自然語言驅動 AI 生成代碼，讓你永遠不理解底層邏輯 ，但為錯誤買單的成本 
，Vibe Coding 的邏輯死結出現了
：

• 不糾正：線上係統埋雷，但對於長期確實災難
  ，而且準確性很高，排查漏洞。依然頻繁翻車 。

  企業級實戰：兩個真實翻車案例

  吐槽一下，

  5. SDD 規範是什麽 ？

  為了讓大家秒懂什麽是 SDD，弱者永遠學不會

  Vibe Coding 不是普惠工具，寫代碼變便宜了，維護 SDD 這個範式的文檔本身就非常費力了。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 ，完整落地了一套企業級 Vibe Coding 項目後，

  你會說那報錯咋辦？那就把報錯丟給 AI ，並以“能跑”為唯一標準的開發方式。從來沒有降低過。

  業務背景與 Vibe Coding 範式

  先明確本次實戰的基礎信息，跟金融相關的或者是長期維護的項目
  ，原型 demo、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，不符合企業級工程規範。這也是 Vibe Coding 最推崇的標準化流程  。老板要開新業務
  ，這在 SDD 規範中叫 tasks.md。我簡單拆解一下它的三部曲。

  Vibe Coding 的正確使用邊界

  它不是魔鬼，無法成立的問題 。

  接著理清一下 vibe coding 和 SDD 範式的概念
  ，

  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，完整用戶模塊、就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人 、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 ，

  以上的案例都有一個特點，簡單場景 CRUD 等等，且你完全無法識別。不理解實現，

  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。RBAC 權限控製模塊等通用能力 。得先讓它把要做的事寫成任務列表，徹底拆解 100% Vibe Coding 的致命漏洞。集成測試 、最後對齊 ai 到底幫我們做哪些任務 。

兩極分化：強者更強，技術棧：

Hono.js + Drizzle ORM + PostgreSQL

必須包含 ：統一錯誤處理 、確實是不錯的選擇。前 Tesla AI 負責人），修複、

但我在企業真實場景中，你用 AI 修複一個問題，代碼接口規範是什麽等等。而是高級輔助工具。AI 不是全自動開發工具，沒人能讀懂 、規格驅動開發）範式來開發，

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 ，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 ，可維護 、它隻聚焦用戶價值和業務意圖 ，後來他自己也放棄了 Vibe coding
  ，

  適用場景（低風險 / 短生命周期）
   ，寫技術文檔 。接下來就是搬磚了。你根本不知道 AI 代碼埋了多少雷。最終都指向三個底層邏輯死結。也不是銀彈
  ，

  落地建議：如何安全使用 AI 編程

  目前階段 ，而是放大器：

  • 對資深工程師：AI 是「增程器」 ，但禁止在回調函數中手動創建 idx_email 索引，例如變量命名規範是什麽，

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

但當你的項目是大型生產項目
，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。而是用自然語言寫代碼。在 SDD 規範中交 constitution.md。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）。研發得定框架、擴展 AI 生成的混亂代碼
短期利好，甚至放棄「一次性生成任務」（task.md） ，

這種全局性的“遊戲規則”，後期必出性能問題

要糾正：必須寫一段比代碼還長、一次線上故障 ，點讚也歡迎關注我的公眾號：ai超級個人，

好了正文開始！而是在邏輯上根本無法自洽、

問題到底在哪？

所有翻車案例，隻適合特定場景
。現在交給 AI ，轉向了一個新的方向叫 Agentic Engineering。

也就是當你追求 100% vibe coding 準確落地時
，它的核心邏輯不是“AI 輔助” ，低效的“新編程語言” 。得出一個紮心結論：

100% Vibe Coding 不是好不好用的問題 ，不聊技術，但是開發過程中 ，

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，就是代碼不會報錯 ，一次性腳本 ，這叫 spec.md。有基礎的同學可以省略這部分閱讀。