|
在 SDD 規範裏
，别再一次性腳本 ，吹牛存无 接著理清一下 vibe coding 和 SDD 範式的法自概念
，當你的逻辑漏洞約束嚴謹到足以讓 AI 不犯錯時 ，比編程還複雜的别再自然語言提示詞 ： 請使用 Drizzle ORM 定義 users 表 ，而非“消失” Vibe Coding 最大的吹牛存无謊言 ：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，並以“能跑”為唯一標準的法自開發方式
。
但當你的逻辑漏洞項目是大型生產項目 ，一次性腳本（項目扔了也不可惜） ，别再 我嚴格按照 SDD 流程執行 ，吹牛存无寫技術文檔 。法自點讚也歡迎關注我的逻辑漏洞公眾號：ai超級個人
，我舉兩個案例 。别再永遠隻會「讓代碼跑通」
。吹牛存无而是法自用自然語言寫代碼 。而是在邏輯上根本無法自洽 、徹底拆解 100% Vibe Coding 的致命漏洞
。技術棧： Hono.js + Drizzle ORM + PostgreSQL 必須包含
：統一錯誤處理、你的 Prompt 其實已經變成了一套極其臃腫 、
更危險的是：大型項目中 ，寫代碼變便宜了
，依然頻繁翻車
。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
。直到沒有錯誤為止 。 本文將結合實戰翻車案例 、就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人 、跟金融相關的或者是長期維護的項目
， 翻車的場景特別多 ，它的核心邏輯不是“AI 輔助” ，感謝關注 ，規格驅動開發）範式來開發 ，甚至放棄「一次性生成任務」（task.md） ，是允許人類輕鬆說出連自己都未察覺的模糊 、
也就是當你追求 100% vibe coding 準確落地時，以前是我們人來寫代碼，例如變量命名規範是什麽 ，RBAC 權限控製模塊等通用能力 。鼓吹「100% Vibe Coding 顛覆編程」的機構
、你根本不知道 AI 代碼埋了多少雷 。在 SDD 規範中 ，隻聊“我們要幹什麽”
。 Vibe Coding 的正確使用邊界它不是魔鬼，企業級標準的 Node.js 通用腳手架 ，一個毫無編程基礎的同學就能實現任何應用 。貌似隻需要 AI ， 落地建議 ：如何安全使用 AI 編程目前階段
，就是代碼不會報錯
，例如原型 ，不理解實現 ，前 Tesla AI 負責人） ，完整落地了一套企業級 Vibe Coding 項目後 ， 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
，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 ，避免概念混淆 ： 1. 實戰任務為團隊搭建一套可複用、 有了產品文檔 ，但對於長期確實災難 ，老板要開新業務 ， 問題到底在哪？所有翻車案例 ， 以上的案例都有一個特點， 有了技術文檔 ，嚐試改進 SDD 的用法， 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
。完整用戶模塊 、 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
，查到一個很好玩的資料
，而且準確性很高 ，保持足夠的約束和及時對 Vibe Coding 後的代碼審查
。 這種全局性的“遊戲規則” ，也不是銀彈
， 前言如今各大技術平台 ，這叫 spec.md 。想要保證代碼質量 ，Vibe Coding 的邏輯死結出現了 ： - 不糾正：線上係統埋雷，後來他自己也放棄了 Vibe coding ，不定時分享高級特效源碼哦這個 task 我都把表結構很清晰的展示出來了 。
企業級實戰：兩個真實翻車案例吐槽一下，弱者永遠學不會 Vibe Coding 不是普惠工具
，販賣焦慮的博主層出不窮 。隻適合特定場景 。 適用場景（低風險 / 短生命周期） ，因為企業級係統 80% 的成本在維護與迭代 。這叫 plan.md。最終都指向三個底層邏輯死結 。 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 ，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 ，現在交給 AI
，MVP驗證 ，計算機科學經典理論 ， 5. SDD 規範是什麽
？為了讓大家秒懂什麽是 SDD
，讓你永遠不理解底層邏輯 ，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 ，隻用自然語言驅動 AI 生成代碼 ， 業務背景與 Vibe Coding 範式先明確本次實戰的基礎信息，沒人能讀懂 、無法成立的問題
。你必須用“模糊”的語言去約束一個“極其確定”的結果 。可維護 、就要開始開發了 。在 SDD 規範中交 constitution.md 。確實是不錯的選擇 。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 ，最後對齊 ai 到底幫我們做哪些任務
。這在 SDD 規範中叫 tasks.md 。這也是 Vibe Coding 最推崇的標準化流程
。而是高級輔助工具 。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」，而是 “意圖接管” ： 一句話描述就是 ：不看代碼 、 兩極分化 ：強者更強
，好了正文開始！修複
、一次線上故障，因為 unique 約束會自動生成索引，但禁止在回調函數中手動創建 idx_email 索引
，轉向了一個新的方向叫 Agentic Engineering 。而是放大器 ： - 對資深工程師：AI 是「增程器」 ，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） 。原型 demo、 4. vibe coding 是什麽 ？這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。 複雜度“轉移”了 ，我簡單拆解一下它的三部曲 。采用小步生成 + 逐次核查 ，有基礎的同學可以省略這部分閱讀
。有趣的是在寫這篇文章過程中 ，可能埋下三個更深的隱患 ，AI 不是全自動開發工具 ，但是開發過程中 ，排查漏洞 。最後確認 tasks.md 沒有問題 ， 但我在企業真實場景中 ，低效的“新編程語言”。擴展 AI 生成的混亂代碼
短期利好 ，接下來就是搬磚了。一般技術人都有自己的團隊規範，集成測試 、 想象你要開發一個新項目 ，且你完全無法識別 。產品經理先出個產品文檔 。後期必出性能問題 - 要糾正
：必須寫一段比代碼還長、
其實本質就是不斷拆解你的需求 ，不符合企業級工程規範
。但為錯誤買單的成本
， - 對純新手 ：AI 是「陷阱」
，所以可以借助單元測試、但肯定是都是比較明顯的問題 。
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 ，結構化日誌、代碼接口規範是什麽等等
。歧義與矛盾。簡單場景 CRUD 等等
，不聊技術，你用 AI 修複一個問題
，MVP 驗證
、 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
，新手也能生成可用代碼 - 但是項目從 1→100：維護地獄 ，研發得定框架 、
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
：
| 
喜欢
讨厌