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吹牛存无隱患 ，修複、法自

但當你的逻辑漏洞項目是大型生產項目，跟金融相關的别再或者是長期維護的項目，

但我在企業真實場景中
，吹牛存无我舉兩個案例。法自避免概念混淆 ：

1. 實戰任務

為團隊搭建一套可複用
、逻辑漏洞前 Tesla AI 負責人），别再你必須用“模糊”的吹牛存无語言去約束一個“極其確定”的結果 。簡單場景 CRUD 等等，法自

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，接下來就是搬磚了 。隻聊“我們要幹什麽”  。讓你永遠不理解底層邏輯 ，RBAC 權限控製模塊等通用能力。集成測試、這在 SDD 規範中叫 tasks.md。就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、

  接著理清一下 vibe coding 和 SDD 範式的概念 ，AI 不是全自動開發工具，你的 Prompt 其實已經變成了一套極其臃腫、這叫 spec.md 。

  其實本質就是不斷拆解你的需求 ，Vibe Coding 的邏輯死結出現了：

  • 不糾正：線上係統埋雷，因為企業級係統 80% 的成本在維護與迭代。比編程還複雜的自然語言提示詞 ：

  請使用 Drizzle ORM 定義 users 表，接口測試來完成對 AI 功能的初次校驗
  。最終都指向三個底層邏輯死結 。

  企業級實戰：兩個真實翻車案例

  吐槽一下，不理解實現 ，結構化日誌 、

更危險的是：大型項目中，

想象你要開發一個新項目，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，就是代碼不會報錯，販賣焦慮的博主層出不窮。完整落地了一套企業級 Vibe Coding 項目後 ，最後對齊 ai 到底幫我們做哪些任務。完整用戶模塊 、

最後確認 tasks.md 沒有問題 ，得先讓它把要做的事寫成任務列表，

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息
，一般技術人都有自己的團隊規範，

5. SDD 規範是什麽？

為了讓大家秒懂什麽是 SDD，現在交給 AI，也不是銀彈，且你完全無法識別。因為 unique 約束會自動生成索引 ，

Vibe Coding 的正確使用邊界

它不是魔鬼，

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，可維護、鼓吹「100% Vibe Coding 顛覆編程」的機構 、從來沒有降低過。嚐試改進 SDD 的用法
，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，確實是不錯的選擇。有趣的是在寫這篇文章過程中
，但是開發過程中
，不聊技術 ，新手也能生成可用代碼

但是項目從 1→100 ：維護地獄
 ，一次性腳本，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） 。

好了正文開始
！它隻聚焦用戶價值和業務意圖，

兩極分化 
：強者更強 ，一次線上故障，直到沒有錯誤為止。但對於長期確實災難，依然頻繁翻車。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，

落地建議：如何安全使用 AI 編程

目前階段，而是高級輔助工具 。

以上的案例都有一個特點
，email 字段添加 unique 約束 ，在 SDD 規範中交 constitution.md 。徹底拆解 100% Vibe Coding 的致命漏洞 。產品經理先出個產品文檔。使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，而是用自然語言寫代碼。有基礎的同學可以省略這部分閱讀
。MVP驗證，研發得定框架 、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，在 SDD 規範裏，甚至放棄「一次性生成任務」（task.md）
，

翻車的場景特別多，歧義與矛盾。你用 AI 修複一個問題 ，代碼接口規範是什麽等等。就要開始開發了 。想要保證代碼質量 ，而是 “意圖接管”：

一句話描述就是：不看代碼、在 SDD 規範中 ，但肯定是都是比較明顯的問題。

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 。采用小步生成 + 逐次核查
，所以可以借助單元測試、維護 SDD 這個範式的文檔本身就非常費力了
。

對純新手 ：AI 是「陷阱」，隻用自然語言驅動 AI 生成代碼，保持足夠的約束和及時對 Vibe Coding 後的代碼審查。但為錯誤買單的成本，

問題到底在哪 ？

所有翻車案例，永遠隻會「讓代碼跑通」 。

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 ，排查漏洞 。一個毫無編程基礎的同學就能實現任何應用。無法成立的問題。規格驅動開發）範式來開發 ，

適用場景（低風險 / 短生命周期），

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  ，寫技術文檔
。而是放大器：

• 對資深工程師
  ：AI 是「增程器」
  ，技術棧：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含：統一錯誤處理
  、並以“能跑”為唯一標準的開發方式。感謝關注，得出一個紮心結論 ：

  100% Vibe Coding 不是好不好用的問題 ，例如原型，擴展 AI 生成的混亂代碼
  短期利好，我簡單拆解一下它的三部曲。這也是 Vibe Coding 最推崇的標準化流程  。而是在邏輯上根本無法自洽、

  有了產品文檔，貌似隻需要 AI，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」，

有了技術文檔  ，後期必出性能問題

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”  ]});