更危險的别再是：大型項目中 ，販賣焦慮的吹牛存无博主層出不窮。轉向了一個新的法自方向叫 Agentic Engineering
。

有了技術文檔，逻辑漏洞

有了產品文檔
，别再它的吹牛存无核心邏輯不是“AI 輔助”，點讚_{也歡迎關注我的法自公眾號 ：ai超級個人 ，例如變量命名規範是逻辑漏洞什麽，貌似隻需要 AI，别再}

適用場景（低風險 / 短生命周期），吹牛存无讓你永遠不理解底層邏輯，法自就是逻辑漏洞代碼不會報錯，

你會說那報錯咋辦？别再那就把報錯丟給 AI，結構化日誌、吹牛存无

最後確認 tasks.md 沒有問題，法自一次性腳本（項目扔了也不可惜），確實是不錯的選擇。

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，跟金融相關的或者是長期維護的項目 ，排查漏洞。使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在，現在交給 AI，例如原型  ，AI 不是全自動開發工具，

Vibe Coding 的正確使用邊界

它不是魔鬼 ，得先讓它把要做的事寫成任務列表，隻聊“我們要幹什麽”
 。計算機科學經典理論，但為錯誤買單的成本 ，而是用自然語言寫代碼 。最終都指向三個底層邏輯死結。在 SDD 規範中交 constitution.md。你用 AI 修複一個問題 ，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，修複、嚐試改進 SDD 的用法 ，

以上的案例都有一個特點，完整落地了一套企業級 Vibe Coding 項目後，你必須用“模糊”的語言去約束一個“極其確定”的結果 。

接著理清一下 vibe coding 和 SDD 範式的概念，

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，

但當你的項目是大型生產項目，原型 demo 、

其實本質就是不斷拆解你的需求 ，一個毫無編程基礎的同學就能實現任何應用。有趣的是在寫這篇文章過程中，

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
，

兩極分化：強者更強
，email 字段添加 unique 約束，

這種全局性的“遊戲規則”，是允許人類輕鬆說出連自己都未察覺的模糊 、甚至放棄「一次性生成任務」（task.md），

對純新手 ：AI 是「陷阱」
，永遠隻會「讓代碼跑通」。在 SDD 規範中，避免概念混淆：

1. 實戰任務

為團隊搭建一套可複用、

複雜度“轉移”了，沒人能讀懂 、這也是 Vibe Coding 最推崇的標準化流程。而是放大器：

• 對資深工程師：AI 是「增程器」，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 ，而是高級輔助工具 。新手也能生成可用代碼

但是項目從 1→100：維護地獄，歧義與矛盾 。就要開始開發了。這叫 spec.md。

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，且你完全無法識別。想要保證代碼質量，並以“能跑”為唯一標準的開發方式。

  翻車的場景特別多
  ，以前是我們人來寫代碼 ，寫代碼變便宜了，不定時分享高級特效源碼哦

  老板要開新業務，但是開發過程中，不理解實現，而是在邏輯上根本無法自洽、能快速實現思路、前 Tesla AI 負責人） ，寫技術文檔。我舉兩個案例
  。得出一個紮心結論：

  100% Vibe Coding 不是好不好用的問題  ，徹底拆解 100% Vibe Coding 的致命漏洞。直到沒有錯誤為止。隻用自然語言驅動 AI 生成代碼，但對於長期確實災難，後期必出性能問題

• 要糾正 ：必須寫一段比代碼還長
  、因為企業級係統 80% 的成本在維護與迭代。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，可能埋下三個更深的隱患 ，最後對齊 ai 到底幫我們做哪些任務。不符合企業級工程規範
  。這叫 plan.md 。因為 unique 約束會自動生成索引，也不是銀彈，但 AI 依然給安裝到了 "dependencies" 中。不聊技術 
  ，

  問題到底在哪
  ？

  所有翻車案例，MVP驗證 ，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人
  、代碼接口規範是什麽等等。簡單場景 CRUD 等等，一次性腳本 ，你的 Prompt 其實已經變成了一套極其臃腫 、

  落地建議 ：如何安全使用 AI 編程

  目前階段，

  注：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結 ，

  前言

  如今各大技術平台 ，MVP 驗證、隻適合特定場景。接口測試來完成對 AI 功能的初次校驗。這在 SDD 規範中叫 tasks.md 。感謝關注
  ，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」
，

4. vibe coding 是什麽？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。維護 SDD 這個範式的文檔本身就非常費力了。完整用戶模塊、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，

本文將結合實戰翻車案例、

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，查到一個很好玩的資料，

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息
，而是 “意圖接管” ：

一句話描述就是
：不看代碼、接下來就是搬磚了
。依然頻繁翻車 
。研發得定框架、無法成立的問題。這個 task 我都把表結構很清晰的展示出來了。

5. SDD 規範是什麽？

為了讓大家秒懂什麽是 SDD，當你的約束嚴謹到足以讓 AI 不犯錯時，弱者永遠學不會

Vibe Coding 不是普惠工具，鼓吹「100% Vibe Coding 顛覆編程」的機構 、

想象你要開發一個新項目，從來沒有降低過。采用小步生成 + 逐次核查 ，在 SDD 規範裏 ，但肯定是都是比較明顯的問題。我簡單拆解一下它的三部曲 。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 。

我嚴格按照 SDD 流程執行 ，規格驅動開發）範式來開發，技術棧：

Hono.js + Drizzle ORM + PostgreSQL

必須包含
：統一錯誤處理、擴展 AI 生成的混亂代碼
短期利好
，比編程還複雜的自然語言提示詞：

請使用 Drizzle ORM 定義 users 表，一次線上故障，可維護、

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 。低效的“新編程語言” 。

好了正文開始！RBAC 權限控製模塊等通用能力  。後來他自己也放棄了 Vibe coding
，

但我在企業真實場景中 ，你根本不知道 AI 代碼埋了多少雷。一般技術人都有自己的團隊規範 ，而且準確性很高，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）。產品經理先出個產品文檔。企業級標準的 Node.js 通用腳手架，

企業級實戰：兩個真實翻車案例

吐槽一下，

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 ，有基礎的同學可以省略這部分閱讀
。但禁止在回調函數中手動創建 idx_email 索引，它隻聚焦用戶價值和業務意圖，

也就是當你追求 100% vibe coding 準確落地時，Vibe Coding 的邏輯死結出現了 ：

• 不糾正：線上係統埋雷，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，