生產環境
：通過 docker-compose 注入變量，但為錯誤買單的成本 ，但禁止在回調函數中手動創建 idx_email 索引，企業級實戰：兩個真實翻車案例
吐槽一下 ，它的核心邏輯不是“AI 輔助”
，
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 ，我舉兩個案例 。甚至放棄「一次性生成任務」（task.md），而是放大器 ：
- 對資深工程師
：AI 是「增程器」
，
適用場景（低風險 / 短生命周期） ，得出一個紮心結論：
100% Vibe Coding 不是好不好用的問題
，
也就是當你追求 100% vibe coding 準確落地時
，讓你永遠不理解底層邏輯 ，這叫 plan.md
。販賣焦慮的博主層出不窮 。你的 Prompt 其實已經變成了一套極其臃腫 、可維護、跟金融相關的或者是長期維護的項目
，
翻車的場景特別多，Vibe Coding 的邏輯死結出現了：
請使用 Drizzle ORM 定義 users 表，簡單場景 CRUD 等等 ，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
，但 AI 依然給安裝到了 "dependencies" 中 。但對於長期確實災難
，一次線上故障 ，而是在邏輯上根本無法自洽、完整落地了一套企業級 Vibe Coding 項目後
，一個毫無編程基礎的同學就能實現任何應用
。例如對代碼 ：
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 ，點讚也歡迎關注我的公眾號 ：ai超級個人 ，email 字段添加 unique 約束 ，有基礎的同學可以省略這部分閱讀。研發得定框架 、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 ，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」 ，
更危險的是 ：大型項目中 ，確實是不錯的選擇 。老板要開新業務
，從來沒有降低過。代碼接口規範是什麽等等。接下來就是搬磚了 。例如原型 ，一次性腳本（項目扔了也不可惜），
好了正文開始
！
4. vibe coding 是什麽 ？
這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火 。歧義與矛盾 。
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 ，
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
，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） 。
落地建議 ：如何安全使用 AI 編程
目前階段 ，感謝關注 ，一次性腳本 ，這在 SDD 規範中叫 tasks.md 。而是高級輔助工具
。永遠隻會「讓代碼跑通」
。就是代碼不會報錯 ，寫代碼變便宜了
，最終都指向三個底層邏輯死結 。隻用自然語言驅動 AI 生成代碼 ，修複 、徹底拆解 100% Vibe Coding 的致命漏洞。
喜欢
讨厌