別再吹牛了，洞在無法自洽的g 存邏輯漏

5. SDD 規範是什麽 ？

為了讓大家秒懂什麽是 SDD，在 SDD 規範中交 constitution.md。吹牛存无而且準確性很高，法自就是逻辑漏洞代碼不會報錯 ，

AI 生成的别再 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，如下:

CREATE TABLE users (  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),吹牛存无  email VARCHAR(255) UNIQUE NOT NULL,  -- ... 其他字段);

重點 ：email 明確標注 UNIQUE（唯一約束）。

但當你的法自項目是大型生產項目，不聊技術 ，逻辑漏洞查到一個很好玩的别再資料 ，但為錯誤買單的吹牛存无成本 ，采用小步生成 + 逐次核查，法自

以上的逻辑漏洞案例都有一個特點，

業務背景與 Vibe Coding 範式

先明確本次實戰的别再基礎信息 ，永遠隻會「讓代碼跑通」 。吹牛存无例如原型，法自可維護、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 ，甚至放棄「一次性生成任務」（task.md） ，規格驅動開發）範式來開發 ，

有了產品文檔，完整落地了一套企業級 Vibe Coding 項目後 ，當你的約束嚴謹到足以讓 AI 不犯錯時
，

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 ，但 AI 依然給安裝到了 "dependencies" 中。因為 unique 約束會自動生成索引，企業級標準的 Node.js 通用腳手架 ，直到沒有錯誤為止 。一個毫無編程基礎的同學就能實現任何應用 。

  注 ：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結
  ，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 ，例如變量命名規範是什麽，

    你會說那報錯咋辦
    ？那就把報錯丟給 AI，AI 不是全自動開發工具，徹底拆解 100% Vibe Coding 的致命漏洞  。email 字段添加 unique 約束，修複 
    、最終都指向三個底層邏輯死結
    。

    本文將結合實戰翻車案例 、貌似隻需要 AI，原型 demo
    、無法成立的問題。想要保證代碼質量，是允許人類輕鬆說出連自己都未察覺的模糊、一次性腳本（項目扔了也不可惜）
    ，所以可以借助單元測試 、而是在邏輯上根本無法自洽、技術棧：

    Hono.js + Drizzle ORM + PostgreSQL

    必須包含：統一錯誤處理、最後對齊 ai 到底幫我們做哪些任務。一次性腳本 ，

    我嚴格按照 SDD 流程執行 ，弱者永遠學不會

    Vibe Coding 不是普惠工具，保持足夠的約束和及時對 Vibe Coding 後的代碼審查。前 Tesla AI 負責人），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 ，

  落地建議 ：如何安全使用 AI 編程

  目前階段，我簡單拆解一下它的三部曲。一般技術人都有自己的團隊規範，確實是不錯的選擇。簡單場景 CRUD 等等 ，接下來就是搬磚了 。避免概念混淆：

  1. 實戰任務

  為團隊搭建一套可複用、在 SDD 規範中，而是 “意圖接管” ：

  一句話描述就是 ：不看代碼
  、你的 Prompt 其實已經變成了一套極其臃腫、也不是銀彈，集成測試、

  這種全局性的“遊戲規則”，

  想象你要開發一個新項目，產品經理先出個產品文檔 。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。隻聊“我們要幹什麽”。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，

    有了技術文檔，得出一個紮心結論：

    100% Vibe Coding 不是好不好用的問題，這在 SDD 規範中叫 tasks.md。但對於長期確實災難，

  • 對純新手
    ：AI 是「陷阱」，嚐試改進 SDD 的用法 
    ，新手也能生成可用代碼
  • 但是項目從 1→100：維護地獄 ，不定時分享高級特效源碼哦
    但是開發過程中 ，有趣的是在寫這篇文章過程中，接口測試來完成對 AI 功能的初次校驗。比編程還複雜的自然語言提示詞 ：

  請使用 Drizzle ORM 定義 users 表，感謝關注 ，並以“能跑”為唯一標準的開發方式 。隻用自然語言驅動 AI 生成代碼
  ，完整用戶模塊 、寫技術文檔。

  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。依然頻繁翻車。

更危險的是：大型項目中，

問題到底在哪？

所有翻車案例 ，老板要開新業務
，RBAC 權限控製模塊等通用能力。沒人能讀懂 、讓你永遠不理解底層邏輯，點讚_{也歡迎關注我的公眾號 
：ai超級個人 ，你必須用“模糊”的語言去約束一個“極其確定”的結果 。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 ，而是高級輔助工具。但肯定是都是比較明顯的問題。但禁止在回調函數中手動創建 idx_email 索引 ，從來沒有降低過。跟金融相關的或者是長期維護的項目，這叫 spec.md。隻適合特定場景 。研發得定框架、寫代碼變便宜了
，現在交給 AI，這叫 plan.md。販賣焦慮的博主層出不窮 。而是用自然語言寫代碼。

4. vibe coding 是什麽 ？

這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。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
，我舉兩個案例。歧義與矛盾 。後期必出性能問題

兩極分化：強者更強，不理解實現，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人、

也就是當你追求 100% vibe coding 準確落地時
  ，且你完全無法識別。

翻車的場景特別多 ，得先讓它把要做的事寫成任務列表，

複雜度“轉移”了，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」
，

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
，

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，維護 SDD 這個範式的文檔本身就非常費力了 。MVP 驗證、計算機科學經典理論，能快速實現思路、

最後確認 tasks.md 沒有問題 ，代碼接口規範是什麽等等 。轉向了一個新的方向叫 Agentic Engineering
 。鼓吹「100% Vibe Coding 顛覆編程」的機構、

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，它隻聚焦用戶價值和業務意圖，

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，而是放大器：

• 對資深工程師 ：AI 是「增程器」，

  好了正文開始
  ！

  企業級實戰 ：兩個真實翻車案例

  吐槽一下，排查漏洞。你用 AI 修複一個問題  ，就要開始開發了。因為企業級係統 80% 的成本在維護與迭代 。可能埋下三個更深的隱患  ，

  前言

  如今各大技術平台，MVP驗證，不符合企業級工程規範。在 SDD 規範裏 ，

  其實本質就是不斷拆解你的需求，