注 :本文是别再親身經曆企業級的 Vibe coding 項目後的經驗總結,
好了正文開始 !吹牛存无且你完全無法識別。法自例如對代碼 :
- 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
真正高效的逻辑漏洞模式是 :Human Intention + AI Execution + Human Review
最後我想說,
本文將結合實戰翻車案例、别再一次線上故障 ,吹牛存无
落地建議 :如何安全使用 AI 編程
目前階段,法自就是逻辑漏洞代碼不會報錯,這叫 plan.md。别再是吹牛存无允許人類輕鬆說出連自己都未察覺的模糊 、永遠隻會「讓代碼跑通」。法自不需要 dotenv
結果 AI 直接把 dotenv 安裝到了:
"dependencies": { "dotenv": "^17.1.13"}正確做法應該是逻辑漏洞:
"devDependencies": { "dotenv": "^17.1.13"}明顯 "dotenv" 這個庫我明確說明了線上環境不會用,能快速實現思路、别再它的吹牛存无核心邏輯不是“AI 輔助”,重複索引會造成性能浪費與存儲冗餘
這已經不是法自「描述需求」,而是高級輔助工具 。接口測試來完成對 AI 功能的初次校驗。老板要開新業務 ,查到一個很好玩的資料 ,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
,它隻聚焦用戶價值和業務意圖,擴展 AI 生成的混亂代碼
短期利好,我簡單拆解一下它的三部曲
。原型 demo、修複、寫技術文檔
。
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,你根本不知道 AI 代碼埋了多少雷 。從來沒有降低過 。感謝關注 ,研發得定框架 、
Vibe Coding 的正確使用邊界
它不是魔鬼 ,
翻車的場景特別多,AI 不是全自動開發工具,你的 Prompt 其實已經變成了一套極其臃腫 、
以上的案例都有一個特點,結構化日誌、代碼接口規範是什麽等等 。保持足夠的約束和及時對 Vibe Coding 後的代碼審查 。計算機科學經典理論,
但當你的項目是大型生產項目 ,
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 ,
問題到底在哪?
所有翻車案例 ,但對於長期確實災難 ,避免概念混淆 :
1. 實戰任務
為團隊搭建一套可複用、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,鼓吹「100% Vibe Coding 顛覆編程」的機構、技術棧 :
Hono.js + Drizzle ORM + PostgreSQL
必須包含:統一錯誤處理 、
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。後來他自己也放棄了 Vibe coding,比編程還複雜的自然語言提示詞:
請使用 Drizzle ORM 定義 users 表,
更危險的是 :大型項目中,隻聊“我們要幹什麽”。
兩極分化:強者更強,一般技術人都有自己的團隊規範,也不是銀彈 ,可能埋下三個更深的隱患,
其實本質就是不斷拆解你的需求,
有了技術文檔 ,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,這也是 Vibe Coding 最推崇的標準化流程 。例如原型,
適用場景(低風險 / 短生命周期),
但我在企業真實場景中,一次性腳本,而是放大器 :
- 對資深工程師 :AI 是「增程器」 ,
企業級實戰:兩個真實翻車案例
吐槽一下,沒人能讀懂、讓你永遠不理解底層邏輯,低效的“新編程語言”。前 Tesla AI 負責人),在 SDD 規範中交 constitution.md 。完整用戶模塊、最後對齊 ai 到底幫我們做哪些任務 。這在 SDD 規範中叫 tasks.md 。無法成立的問題 。一次性腳本(項目扔了也不可惜),確實是不錯的選擇 。
也就是當你追求 100% vibe coding 準確落地時,排查漏洞。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) 。新手也能生成可用代碼
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。而是 “意圖接管”:
一句話描述就是:不看代碼、不定時分享高級特效源碼哦
並以“能跑”為唯一標準的開發方式 。但為錯誤買單的成本 ,得出一個紮心結論 :100% Vibe Coding 不是好不好用的問題 ,規格驅動開發)範式來開發,依然頻繁翻車。一個毫無編程基礎的同學就能實現任何應用。集成測試 、
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,這叫 spec.md。因為 unique 約束會自動生成索引,Vibe Coding 的邏輯死結出現了:
- 不糾正 :線上係統埋雷,完整落地了一套企業級 Vibe Coding 項目後 ,在 SDD 規範裏
,現在交給 AI,
複雜度“轉移”了,販賣焦慮的博主層出不窮。以前是我們人來寫代碼,點讚也歡迎關注我的公眾號 :ai超級個人 ,RBAC 權限控製模塊等通用能力。隻適合特定場景。
業務背景與 Vibe Coding 範式
先明確本次實戰的基礎信息,可維護、直到沒有錯誤為止 。隻用自然語言驅動 AI 生成代碼,但是開發過程中,在 SDD 規範中,而是在邏輯上根本無法自洽、
接著理清一下 vibe coding 和 SDD 範式的概念,
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 ,後期必出性能問題
- 要糾正 :必須寫一段比代碼還長
、我舉兩個案例。不符合企業級工程規範
。徹底拆解 100% Vibe Coding 的致命漏洞
。
這種全局性的“遊戲規則”,弱者永遠學不會
Vibe Coding 不是普惠工具 ,有基礎的同學可以省略這部分閱讀。因為企業級係統 80% 的成本在維護與迭代 。
- 對純新手
:AI 是「陷阱」 ,你用 AI 修複一個問題,
有了產品文檔,這個 task 我都把表結構很清晰的展示出來了。嚐試改進 SDD 的用法,就要開始開發了。產品經理先出個產品文檔。使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在 ,跟金融相關的或者是長期維護的項目 ,
想象你要開發一個新項目 ,
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,你必須用“模糊”的語言去約束一個“極其確定”的結果 。
你會說那報錯咋辦?那就把報錯丟給 AI ,得先讓它把要做的事寫成任務列表 ,email 字段添加 unique 約束 ,轉向了一個新的方向叫 Agentic Engineering 。MVP 驗證 、貌似隻需要 AI,不聊技術,而且準確性很高 ,有趣的是在寫這篇文章過程中 ,
我嚴格按照 SDD 流程執行 ,但禁止在回調函數中手動創建 idx_email 索引,寫代碼變便宜了,企業級標準的 Node.js 通用腳手架 ,MVP驗證,
5. SDD 規範是什麽 ?
為了讓大家秒懂什麽是 SDD ,例如變量命名規範是什麽,而是用自然語言寫代碼 。維護 SDD 這個範式的文檔本身就非常費力了。但 AI 依然給安裝到了 "dependencies" 中。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,接下來就是搬磚了。簡單場景 CRUD 等等,
最後確認 tasks.md 沒有問題 ,
前言
如今各大技術平台,最終都指向三個底層邏輯死結。所以可以借助單元測試、甚至放棄「一次性生成任務」(task.md),采用小步生成 + 逐次核查 ,當你的約束嚴謹到足以讓 AI 不犯錯時,
作者:百科
- 項目從 0→1:速度極快,接下來就是搬磚了。簡單場景 CRUD 等等,



.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)



