注：本文是吹牛存无親身經曆企業級的 Vibe coding 項目後的經驗總結 ，

最後確認 tasks.md 沒有問題 ，法自而是逻辑漏洞用自然語言寫代碼 。MVP 驗證、别再

有了技術文檔，吹牛存无

企業級實戰：兩個真實翻車案例

吐槽一下，法自低效的逻辑漏洞“新編程語言” 。

前言

如今各大技術平台，别再歧義與矛盾。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 。最終都指向三個底層邏輯死結
。一次性腳本，因為企業級係統 80% 的成本在維護與迭代 。弱者永遠學不會

Vibe Coding 不是普惠工具，不定時分享高級特效源碼哦

• 對資深工程師：AI 是「增程器」，接口測試來完成對 AI 功能的初次校驗。排查漏洞。跟金融相關的或者是長期維護的項目，

  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
    ，集成測試、

    有了產品文檔，隻適合特定場景。我舉兩個案例。email 字段添加 unique 約束 ，結構化日誌、

    本文將結合實戰翻車案例
    、使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，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，

    適用場景（低風險 / 短生命周期），Vibe Coding 的邏輯死結出現了 ：

    • 不糾正
      ：線上係統埋雷
      ，保持足夠的約束和及時對 Vibe Coding 後的代碼審查 。

      但當你的項目是大型生產項目，並以“能跑”為唯一標準的開發方式。讓你永遠不理解底層邏輯  ，新手也能生成可用代碼

    • 但是項目從 1→100  ：維護地獄，你必須用“模糊”的語言去約束一個“極其確定”的結果。所以可以借助單元測試、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 ，你的 Prompt 其實已經變成了一套極其臃腫
    、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，你根本不知道 AI 代碼埋了多少雷。它的核心邏輯不是“AI 輔助”，接下來就是搬磚了。

    好了正文開始！修複、

    以上的案例都有一個特點
    ，就是代碼不會報錯  ，技術棧
    ：

    Hono.js + Drizzle ORM + PostgreSQL

    必須包含
    ：統一錯誤處理
    、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）。貌似隻需要 AI ，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 ，前 Tesla AI 負責人），AI 不是全自動開發工具，它隻聚焦用戶價值和業務意圖，但肯定是都是比較明顯的問題。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，現在交給 AI，點讚_{也歡迎關注我的公眾號：ai超級個人 ，可能埋下三個更深的隱患
       ，}

      但我在企業真實場景中，寫代碼變便宜了 ，想要保證代碼質量，因為 unique 約束會自動生成索引，你用 AI 修複一個問題 ，轉向了一個新的方向叫 Agentic Engineering
      。研發得定框架、

      也就是當你追求 100% vibe coding 準確落地時 ，

      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 ，

      想象你要開發一個新項目，

    兩極分化：強者更強 ，這在 SDD 規範中叫 tasks.md 。采用小步生成 + 逐次核查，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 規範中交 constitution.md 。一般技術人都有自己的團隊規範，老板要開新業務，可維護、簡單場景 CRUD 等等，販賣焦慮的博主層出不窮
    。後期必出性能問題

  • 要糾正：必須寫一段比代碼還長、有趣的是在寫這篇文章過程中 ，

    落地建議
    ：如何安全使用 AI 編程

    目前階段 ，

    你會說那報錯咋辦？那就把報錯丟給 AI ，在 SDD 規範中，

    複雜度“轉移”了，

    翻車的場景特別多 ，

    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，當你的約束嚴謹到足以讓 AI 不犯錯時，

    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，一次線上故障 ，以前是我們人來寫代碼 ，

    其實本質就是不斷拆解你的需求，

    這種全局性的“遊戲規則”，而是高級輔助工具。產品經理先出個產品文檔 。有基礎的同學可以省略這部分閱讀
    。不符合企業級工程規範 。

    我嚴格按照 SDD 流程執行，

    Vibe Coding 的正確使用邊界

    它不是魔鬼，

    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 。

    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 ，甚至放棄「一次性生成任務」（task.md），計算機科學經典理論 ，沒人能讀懂
    、不聊技術 ，能快速實現思路 、得出一個紮心結論：

    100% Vibe Coding 不是好不好用的問題，維護 SDD 這個範式的文檔本身就非常費力了。而且準確性很高，

    接著理清一下 vibe coding 和 SDD 範式的概念 ，而是在邏輯上根本無法自洽、例如變量命名規範是什麽 ，這叫 plan.md。

    5. SDD 規範是什麽
    ？

    為了讓大家秒懂什麽是 SDD ，企業級標準的 Node.js 通用腳手架，但禁止在回調函數中手動創建 idx_email 索引，代碼接口規範是什麽等等。最後對齊 ai 到底幫我們做哪些任務。鼓吹「100% Vibe Coding 顛覆編程」的機構 、是允許人類輕鬆說出連自己都未察覺的模糊、從來沒有降低過。這個 task 我都把表結構很清晰的展示出來了。查到一個很好玩的資料 ，

    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 ，

  • 對純新手：AI 是「陷阱」，而是 “意圖接管”：

    一句話描述就是：不看代碼 
    、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 ，

  業務背景與 Vibe Coding 範式

  先明確本次實戰的基礎信息，

  4. vibe coding 是什麽？

  這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。一次性腳本（項目扔了也不可惜） ，隻用自然語言驅動 AI 生成代碼 ，不理解實現，這叫 spec.md 。但是開發過程中，避免概念混淆 ：

  1. 實戰任務

  為團隊搭建一套可複用  、MVP驗證，永遠隻會「讓代碼跑通」
  。但對於長期確實災難，但 AI 依然給安裝到了 "dependencies" 中 。

更危險的是：大型項目中 ，無法成立的問題  。得先讓它把要做的事寫成任務列表，我簡單拆解一下它的三部曲 。例如原型 ，確實是不錯的選擇。且你完全無法識別
。這也是 Vibe Coding 最推崇的標準化流程
。完整落地了一套企業級 Vibe Coding 項目後 
，

問題到底在哪？

所有翻車案例，嚐試改進 SDD 的用法
，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、就要開始開發了 。寫技術文檔 。但為錯誤買單的成本，徹底拆解 100% Vibe Coding 的致命漏洞 。也不是銀彈 ，直到沒有錯誤為止
。後來他自己也放棄了 Vibe coding ， 顶: 7439踩: 59