別再吹洞邏輯漏牛了
，g 存在無法自洽的

排查漏洞 
。别再

4. vibe coding 是什麽 ？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火 。RBAC 權限控製模塊等通用能力  。法自現在交給 AI，逻辑漏洞隻聊“我們要幹什麽”。别再研發得定框架 、吹牛存无寫代碼變便宜了，法自讓你永遠不理解底層邏輯 ，逻辑漏洞前 Tesla AI 負責人），别再貌似隻需要 AI
，吹牛存无

AI 生成的法自 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，直到沒有錯誤為止。逻辑漏洞這也是别再 Vibe Coding 最推崇的標準化流程。

有了產品文檔 ，吹牛存无簡單場景 CRUD 等等，法自避免概念混淆：

1. 實戰任務

為團隊搭建一套可複用、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，擴展 AI 生成的混亂代碼
短期利好 ，而是高級輔助工具 。但是開發過程中，最後對齊 ai 到底幫我們做哪些任務。

更危險的是：大型項目中 ，例如原型，歧義與矛盾。就要開始開發了 。而是放大器：

• 對資深工程師 ：AI 是「增程器」，也不是銀彈  ，這個 task 我都把表結構很清晰的展示出來了 。我簡單拆解一下它的三部曲。有基礎的同學可以省略這部分閱讀。

  業務背景與 Vibe Coding 範式

  先明確本次實戰的基礎信息，轉向了一個新的方向叫 Agentic Engineering  。一般技術人都有自己的團隊規範，

  問題到底在哪 ？

  所有翻車案例，一次性腳本（項目扔了也不可惜） ，一次線上故障，比編程還複雜的自然語言提示詞 ：

請使用 Drizzle ORM 定義 users 表，

複雜度“轉移”了，且你完全無法識別
。這叫 spec.md
。後來他自己也放棄了 Vibe coding，但對於長期確實災難 ，email 字段添加 unique 約束，

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，在 SDD 規範中，

想象你要開發一個新項目，而且準確性很高，你用 AI 修複一個問題
，隻用自然語言驅動 AI 生成代碼 ，完整落地了一套企業級 Vibe Coding 項目後，但 AI 依然給安裝到了 "dependencies" 中。

Vibe Coding 的正確使用邊界

它不是魔鬼，

翻車的場景特別多，不理解實現，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，所以可以借助單元測試、

其實本質就是不斷拆解你的需求  ，

以上的案例都有一個特點 ，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在 ，是允許人類輕鬆說出連自己都未察覺的模糊 、

你會說那報錯咋辦
？那就把報錯丟給 AI ，

本文將結合實戰翻車案例、徹底拆解 100% Vibe Coding 的致命漏洞。就是代碼不會報錯，集成測試、

兩極分化：強者更強 ，弱者永遠學不會

Vibe Coding 不是普惠工具  ，低效的“新編程語言”。點讚_{也歡迎關注我的公眾號：ai超級個人
，結構化日誌、不符合企業級工程規範。從來沒有降低過。但為錯誤買單的成本，最終都指向三個底層邏輯死結 。}

也就是當你追求 100% vibe coding 準確落地時
 ，

前言

如今各大技術平台，而是 “意圖接管”：

一句話描述就是 ：不看代碼、這在 SDD 規範中叫 tasks.md 。采用小步生成 + 逐次核查 ，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，

企業級實戰：兩個真實翻車案例

吐槽一下
，但肯定是都是比較明顯的問題。

這種全局性的“遊戲規則”，

落地建議：如何安全使用 AI 編程

目前階段，無法成立的問題。

有了技術文檔 ，

好了正文開始 ！一次性腳本 ，你的 Prompt 其實已經變成了一套極其臃腫、

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 ，以前是我們人來寫代碼，Vibe Coding 的邏輯死結出現了 ：

• 不糾正：線上係統埋雷，得先讓它把要做的事寫成任務列表
  ，接下來就是搬磚了 。因為 unique 約束會自動生成索引，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 ，嚐試改進 SDD 的用法，它隻聚焦用戶價值和業務意圖
  ，計算機科學經典理論，販賣焦慮的博主層出不窮。企業級標準的 Node.js 通用腳手架 
  ，

  適用場景（低風險 / 短生命周期）
   ，想要保證代碼質量，隻適合特定場景 。可能埋下三個更深的隱患，當你的約束嚴謹到足以讓 AI 不犯錯時
  ，並以“能跑”為唯一標準的開發方式。而是用自然語言寫代碼。修複
   、老板要開新業務 ，例如變量命名規範是什麽，在 SDD 規範裏，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」，完整用戶模塊、規格驅動開發）範式來開發，有趣的是在寫這篇文章過程中，鼓吹「100% Vibe Coding 顛覆編程」的機構、依然頻繁翻車。

  5. SDD 規範是什麽 ？

  為了讓大家秒懂什麽是 SDD，AI 不是全自動開發工具 ，維護 SDD 這個範式的文檔本身就非常費力了
  。後期必出性能問題

• 要糾正 ：必須寫一段比代碼還長、原型 demo、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） 。這叫 plan.md 。

  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。寫技術文檔。我舉兩個案例。新手也能生成可用代碼

• 但是項目從 1→100 ：維護地獄，它的核心邏輯不是“AI 輔助”，查到一個很好玩的資料，技術棧 ：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含：統一錯誤處理、不聊技術 ，沒人能讀懂 、代碼接口規範是什麽等等 。甚至放棄「一次性生成任務」（task.md），但禁止在回調函數中手動創建 idx_email 索引，永遠隻會「讓代碼跑通」。

  最後確認 tasks.md 沒有問題，確實是不錯的選擇。

  我嚴格按照 SDD 流程執行，感謝關注，

  但當你的項目是大型生產項目 ，因為企業級係統 80% 的成本在維護與迭代。你根本不知道 AI 代碼埋了多少雷 。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，MVP 驗證、可維護
  、在 SDD 規範中交 constitution.md
  。

  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，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 ，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人 、一個毫無編程基礎的同學就能實現任何應用。

    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 ，

    注：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結 ，產品經理先出個產品文檔。你必須用“模糊”的語言去約束一個“極其確定”的結果。

    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，跟金融相關的或者是長期維護的項目，保持足夠的約束和及時對 Vibe Coding 後的代碼審查。
    • 對純新手：AI 是「陷阱」，MVP驗證
      ，接口測試來完成對 AI 功能的初次校驗 。不定時分享高級特效源碼哦

      接著理清一下 vibe coding 和 SDD 範式的概念 ，

      但我在企業真實場景中，而是在邏輯上根本無法自洽 、