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
，

2. 使用工具

Claude Cli

3. 開發範式

嚴格遵循目前最火的吹牛存无 SDD（Spec-Driven Development，

有了技術文檔 ，法自後期必出性能問題

要糾正：必須寫一段比代碼還長、逻辑漏洞隻用自然語言驅動 AI 生成代碼 ，别再但 AI 依然給安裝到了 "dependencies" 中。吹牛存无集成測試 、法自弱者永遠學不會

Vibe Coding 不是逻辑漏洞普惠工具，企業級標準的别再 Node.js 通用腳手架，而是吹牛存无放大器：

• 對資深工程師：AI 是「增程器」，你的法自 Prompt 其實已經變成了一套極其臃腫
  、讓你永遠不理解底層邏輯，因為企業級係統 80% 的成本在維護與迭代
  。販賣焦慮的博主層出不窮。

  適用場景（低風險 / 短生命周期）
  ，例如變量命名規範是什麽，點讚_{也歡迎關注我的公眾號 ：ai超級個人
  ，產品經理先出個產品文檔。是允許人類輕鬆說出連自己都未察覺的模糊、而是在邏輯上根本無法自洽、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）。能快速實現思路、

  翻車的場景特別多，你用 AI 修複一個問題
  ，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，得出一個紮心結論 ：

  100% Vibe Coding 不是好不好用的問題，也不是銀彈，技術棧 ：

  Hono.js + Drizzle ORM + PostgreSQL

  必須包含：統一錯誤處理、

  其實本質就是不斷拆解你的需求，徹底拆解 100% Vibe Coding 的致命漏洞。這叫 plan.md 。查到一個很好玩的資料 ，跟金融相關的或者是長期維護的項目，

  落地建議：如何安全使用 AI 編程

  目前階段 ，而且準確性很高 ，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在 ，依然頻繁翻車。你根本不知道 AI 代碼埋了多少雷。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，它的核心邏輯不是“AI 輔助”，低效的“新編程語言”。一般技術人都有自己的團隊規範 ，排查漏洞。新手也能生成可用代碼

• 但是項目從 1→100 ：維護地獄，

也就是當你追求 100% vibe coding 準確落地時，

Vibe Coding 的正確使用邊界

它不是魔鬼，你必須用“模糊”的語言去約束一個“極其確定”的結果。修複、接口測試來完成對 AI 功能的初次校驗
。MVP 驗證
、而是 “意圖接管”：

一句話描述就是：不看代碼  、

想象你要開發一個新項目 ，不聊技術
，貌似隻需要 AI，不定時分享高級特效源碼哦

前言

如今各大技術平台
，寫技術文檔。

本文將結合實戰翻車案例、

"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，隻適合特定場景 。避免概念混淆 ：

1. 實戰任務

為團隊搭建一套可複用
、可能埋下三個更深的隱患，可維護、接下來就是搬磚了。一次性腳本（項目扔了也不可惜），

問題到底在哪？

所有翻車案例 ，計算機科學經典理論，

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 ，後來他自己也放棄了 Vibe coding，這個 task 我都把表結構很清晰的展示出來了 。因為 unique 約束會自動生成索引，RBAC 權限控製模塊等通用能力 。轉向了一個新的方向叫 Agentic Engineering。

  複雜度“轉移”了，

更危險的是：大型項目中，但肯定是都是比較明顯的問題。

好了正文開始！這在 SDD 規範中叫 tasks.md。結構化日誌、保持足夠的約束和及時對 Vibe Coding 後的代碼審查。

4. vibe coding 是什麽
？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火 。最終都指向三個底層邏輯死結。

我嚴格按照 SDD 流程執行，就要開始開發了。完整用戶模塊 、AI 不是全自動開發工具，不符合企業級工程規範 。例如原型
，而是用自然語言寫代碼  。一次線上故障，

注：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結，想要保證代碼質量，維護 SDD 這個範式的文檔本身就非常費力了 。在 SDD 規範裏 ，

但當你的項目是大型生產項目，Vibe Coding 的邏輯死結出現了 ：

• 不糾正 ：線上係統埋雷，老板要開新業務 ，就是代碼不會報錯 ，我簡單拆解一下它的三部曲。得先讓它把要做的事寫成任務列表 ，

  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。當你的約束嚴謹到足以讓 AI 不犯錯時 ，

  這種全局性的“遊戲規則” ，

  但我在企業真實場景中，這叫 spec.md。我舉兩個案例。直到沒有錯誤為止。就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、

  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，但禁止在回調函數中手動創建 idx_email 索引 ，

  業務背景與 Vibe Coding 範式

  先明確本次實戰的基礎信息，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，沒人能讀懂
    、無法成立的問題 。比編程還複雜的自然語言提示詞 ：

  請使用 Drizzle ORM 定義 users 表，而是高級輔助工具。

  有了產品文檔 ，email 字段添加 unique 約束，

  5. SDD 規範是什麽？

  為了讓大家秒懂什麽是 SDD，最後對齊 ai 到底幫我們做哪些任務 。

  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，

  接著理清一下 vibe coding 和 SDD 範式的概念，這也是 Vibe Coding 最推崇的標準化流程 。但為錯誤買單的成本，代碼接口規範是什麽等等 。但是開發過程中 ，有趣的是在寫這篇文章過程中，不理解實現，簡單場景 CRUD 等等
  ，一個毫無編程基礎的同學就能實現任何應用 。永遠隻會「讓代碼跑通」 。有基礎的同學可以省略這部分閱讀 。

  以上的案例都有一個特點，但對於長期確實災難，現在交給 AI ，確實是不錯的選擇 。完整落地了一套企業級 Vibe Coding 項目後
  ，擴展 AI 生成的混亂代碼
  短期利好，寫代碼變便宜了，鼓吹「100% Vibe Coding 顛覆編程」的機構 、在 SDD 規範中 ，

  最後確認 tasks.md 沒有問題，MVP驗證，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」，感謝關注
  ，

兩極分化：強者更強 ，一次性腳本，隻聊“我們要幹什麽” 。采用小步生成 + 逐次核查，原型 demo
、甚至放棄「一次性生成任務」（task.md） ，嚐試改進 SDD 的用法，前 Tesla AI 負責人），它隻聚焦用戶價值和業務意圖
，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 ，並以“能跑”為唯一標準的開發方式。以前是我們人來寫代碼，

你會說那報錯咋辦 ？那就把報錯丟給 AI ，