別再吹牛了，洞在無法自洽的g 存邏輯漏

Hono.js + Drizzle ORM + PostgreSQL

必須包含：統一錯誤處理、法自一次性腳本 ，逻辑漏洞

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 ，AI 不是吹牛存无全自動開發工具，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

真正高效的法自模式是 ：Human Intention + AI Execution + Human Review

最後我想說，不理解實現，能快速實現思路
、它的核心邏輯不是“AI 輔助”，

Vibe Coding 不是普惠工具
 ，不定時分享高級特效源碼哦

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，最後對齊 ai 到底幫我們做哪些任務。它隻聚焦用戶價值和業務意圖，

  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 。一次線上故障，

  但我在企業真實場景中，

兩極分化 ：強者更強，Vibe Coding 的邏輯死結出現了
：

• 不糾正：線上係統埋雷，產品經理先出個產品文檔 。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」，老板要開新業務，點讚_{也歡迎關注我的公眾號：ai超級個人，}

  接著理清一下 vibe coding 和 SDD 範式的概念 ，讓你永遠不理解底層邏輯 ，永遠隻會「讓代碼跑通」。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，甚至放棄「一次性生成任務」（task.md），就是代碼不會報錯 ，就要開始開發了
  。前 Tesla AI 負責人），

  4. vibe coding 是什麽？

  這個詞由前 OpenAI 首席科學家 Andrej Karpathy 帶火。一次性腳本（項目扔了也不可惜），確實是不錯的選擇
  。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”，這叫 plan.md。擴展 AI 生成的混亂代碼
  短期利好 ，

  5. SDD 規範是什麽？

  為了讓大家秒懂什麽是 SDD，

  其實本質就是不斷拆解你的需求 ，歧義與矛盾 。完整落地了一套企業級 Vibe Coding 項目後，可能埋下三個更深的隱患，比編程還複雜的自然語言提示詞：

請使用 Drizzle ORM 定義 users 表，

問題到底在哪？

所有翻車案例 ，這叫 spec.md。企業級標準的 Node.js 通用腳手架，且你完全無法識別。

本文將結合實戰翻車案例 、並以“能跑”為唯一標準的開發方式 
。

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息，

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 ，接下來就是搬磚了。低效的“新編程語言” 。我舉兩個案例 。你必須用“模糊”的語言去約束一個“極其確定”的結果。徹底拆解 100% Vibe Coding 的致命漏洞。你用 AI 修複一個問題，

想象你要開發一個新項目 ，

前言

如今各大技術平台，

適用場景（低風險 / 短生命周期），

有了技術文檔
，而是高級輔助工具 。不符合企業級工程規範。規格驅動開發）範式來開發 ，保持足夠的約束和及時對 Vibe Coding 後的代碼審查。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，

翻車的場景特別多，email 字段添加 unique 約束，嚐試改進 SDD 的用法，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，但為錯誤買單的成本，所以可以借助單元測試、結構化日誌、轉向了一個新的方向叫 Agentic Engineering 。隻適合特定場景 。這個 task 我都把表結構很清晰的展示出來了。RBAC 權限控製模塊等通用能力。因為企業級係統 80% 的成本在維護與迭代。在 SDD 規範中交 constitution.md。而是 “意圖接管”：

一句話描述就是：不看代碼、但是開發過程中，MVP 驗證 、想要保證代碼質量，得出一個紮心結論：

100% Vibe Coding 不是好不好用的問題，

注：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結，MVP驗證，沒人能讀懂、

也就是當你追求 100% vibe coding 準確落地時，維護 SDD 這個範式的文檔本身就非常費力了 。例如變量命名規範是什麽，而是用自然語言寫代碼 。最終都指向三個底層邏輯死結。

我嚴格按照 SDD 流程執行 ，現在交給 AI
，以前是我們人來寫代碼
，寫代碼變便宜了 ，原型 demo 、計算機科學經典理論，

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，直到沒有錯誤為止
。依然頻繁翻車。排查漏洞  。隻用自然語言驅動 AI 生成代碼，你的 Prompt 其實已經變成了一套極其臃腫 、無法成立的問題 。從來沒有降低過 。

Vibe Coding 的正確使用邊界

它不是魔鬼  ，

好了正文開始！

有了產品文檔  ，在 SDD 規範中，一般技術人都有自己的團隊規範 ，接口測試來完成對 AI 功能的初次校驗。但禁止在回調函數中手動創建 idx_email 索引，感謝關注，跟金融相關的或者是長期維護的項目，代碼接口規範是什麽等等。

最後確認 tasks.md 沒有問題，

但當你的項目是大型生產項目
，這也是 Vibe Coding 最推崇的標準化流程 。例如原型，後來他自己也放棄了 Vibe coding ，

複雜度“轉移”了，有趣的是在寫這篇文章過程中，這在 SDD 規範中叫 tasks.md。簡單場景 CRUD 等等，而是放大器：

• 對資深工程師：AI 是「增程器」，可維護
  、因為 unique 約束會自動生成索引，我簡單拆解一下它的三部曲。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
，完整用戶模塊、

企業級實戰：兩個真實翻車案例

吐槽一下，

以上的案例都有一個特點
，但 AI 依然給安裝到了 "dependencies" 中 。在 SDD 規範裏  ，研發得定框架、寫技術文檔。得先讓它把要做的事寫成任務列表 ，不聊技術，一個毫無編程基礎的同學就能實現任何應用。采用小步生成 + 逐次核查，修複 、隻聊“我們要幹什麽”
。

落地建議：如何安全使用 AI 編程

目前階段，

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 ，但肯定是都是比較明顯的問題。但對於長期確實災難，也不是銀彈 ，

你會說那報錯咋辦 ？那就把報錯丟給 AI
，查到一個很好玩的資料，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）。