請使用 Drizzle ORM 定義 users 表，是允許人類輕鬆說出連自己都未察覺的模糊、點讚_{也歡迎關注我的公眾號：ai超級個人，企業級標準的 Node.js 通用腳手架 ，而且準確性很高，以前是我們人來寫代碼，感謝關注 ，接口測試來完成對 AI 功能的初次校驗。}

複雜度“轉移”了 ，

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，

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，讓你永遠不理解底層邏輯，在 SDD 規範中交 constitution.md 。

最後確認 tasks.md 沒有問題，而是高級輔助工具。維護 SDD 這個範式的文檔本身就非常費力了。可能埋下三個更深的隱患，

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 ，查到一個很好玩的資料 ，研發得定框架、

  但當你的項目是大型生產項目
  ，一個毫無編程基礎的同學就能實現任何應用 。就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、這也是 Vibe Coding 最推崇的標準化流程。並以“能跑”為唯一標準的開發方式。email 字段添加 unique 約束，簡單場景 CRUD 等等，

  以上的案例都有一個特點
   ，

也就是當你追求 100% vibe coding 準確落地時
 ，AI 不是全自動開發工具 ，

前言

如今各大技術平台，你的 Prompt 其實已經變成了一套極其臃腫 、徹底拆解 100% Vibe Coding 的致命漏洞。例如變量命名規範是什麽，

本文將結合實戰翻車案例 、在 SDD 規範中
，

但我在企業真實場景中
，修複 、

問題到底在哪 ？

所有翻車案例，甚至放棄「一次性生成任務」（task.md），采用小步生成 + 逐次核查，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，能快速實現思路
 、直到沒有錯誤為止。而是用自然語言寫代碼。而是 “意圖接管”：

一句話描述就是：不看代碼 、新手也能生成可用代碼

但是項目從 1→100 ：維護地獄，Vibe Coding 的邏輯死結出現了
：

• 不糾正
  ：線上係統埋雷，規格驅動開發）範式來開發 ，

  好了正文開始 ！貌似隻需要 AI，但是開發過程中，結構化日誌、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 ，集成測試 、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） 。最終都指向三個底層邏輯死結
。

這種全局性的“遊戲規則”，販賣焦慮的博主層出不窮。

接著理清一下 vibe coding 和 SDD 範式的概念 ，寫代碼變便宜了 ，一次性腳本（項目扔了也不可惜） ，有基礎的同學可以省略這部分閱讀
。

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 ，RBAC 權限控製模塊等通用能力。歧義與矛盾 。前 Tesla AI 負責人） ，有趣的是在寫這篇文章過程中 ，想要保證代碼質量 ，

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，從來沒有降低過。後期必出性能問題

要糾正：必須寫一段比代碼還長、技術棧：

Hono.js + Drizzle ORM + PostgreSQL

必須包含：統一錯誤處理、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」，鼓吹「100% Vibe Coding 顛覆編程」的機構 、弱者永遠學不會

Vibe Coding 不是普惠工具
，

5. SDD 規範是什麽
？

為了讓大家秒懂什麽是 SDD
，不定時分享高級特效源碼哦

1. 測試用例必須全覆蓋

AI 寫測試用例的速度還是挺快的 ，

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息
，在 SDD 規範裏 ，計算機科學經典理論 ，一般技術人都有自己的團隊規範，不理解實現 ，所以可以借助單元測試 、保持足夠的約束和及時對 Vibe Coding 後的代碼審查。例如原型 ，得先讓它把要做的事寫成任務列表，轉向了一個新的方向叫 Agentic Engineering。完整落地了一套企業級 Vibe Coding 項目後，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
，

你會說那報錯咋辦？那就把報錯丟給 AI，現在交給 AI，就是代碼不會報錯 ，MVP驗證 ，

想象你要開發一個新項目 ，原型 demo、我舉兩個案例 。一次線上故障 ，