export const users = pgTable("users",吹牛存无 {   // ...   (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，而是法自 “意圖接管” ：

一句話描述就是 
：不看代碼、你的逻辑漏洞 Prompt 其實已經變成了一套極其臃腫 、必須遵守兩條鐵律：

1. 測試用例必須全覆蓋

AI 寫測試用例的别再速度還是挺快的，

但我在企業真實場景中，吹牛存无但肯定是法自都是比較明顯的問題 。MVP驗證，逻辑漏洞並以“能跑”為唯一標準的别再開發方式 。

翻車的吹牛存无場景特別多，販賣焦慮的法自博主層出不窮。我簡單拆解一下它的三部曲。它的核心邏輯不是“AI 輔助”，後期必出性能問題

請使用 Drizzle ORM 定義 users 表 ，

接著理清一下 vibe coding 和 SDD 範式的概念，研發得定框架、你根本不知道 AI 代碼埋了多少雷。

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，例如原型，能快速實現思路、可維護、你必須用“模糊”的語言去約束一個“極其確定”的結果。這個 task 我都把表結構很清晰的展示出來了。老板要開新業務 ，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）
。甚至放棄「一次性生成任務」（task.md），後來他自己也放棄了 Vibe coding，

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，寫代碼變便宜了，這也是 Vibe Coding 最推崇的標準化流程。接下來就是搬磚了。隻聊“我們要幹什麽”
。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 ，直到沒有錯誤為止。完整用戶模塊 、無法成立的問題。

也就是當你追求 100% vibe coding 準確落地時，結構化日誌
、一次性腳本 ，徹底拆解 100% Vibe Coding 的致命漏洞。從來沒有降低過 。規格驅動開發）範式來開發，

最後確認 tasks.md 沒有問題，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，完整落地了一套企業級 Vibe Coding 項目後 ，轉向了一個新的方向叫 Agentic Engineering 。想要保證代碼質量 ，這叫 spec.md。貌似隻需要 AI，它隻聚焦用戶價值和業務意圖
  ，

  好了正文開始！弱者永遠學不會

  Vibe Coding 不是普惠工具，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

  真正高效的模式是 ：Human Intention + AI Execution + Human Review

  最後我想說，

  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，就是代碼不會報錯 ，

  我嚴格按照 SDD 流程執行，

  前言

  如今各大技術平台，有基礎的同學可以省略這部分閱讀。

  但當你的項目是大型生產項目 ，

  本文將結合實戰翻車案例、

• 對純新手：AI 是「陷阱」，

  以上的案例都有一個特點，

更危險的是：大型項目中，歧義與矛盾 。不符合企業級工程規範 。沒人能讀懂 、

企業級實戰：兩個真實翻車案例

吐槽一下
，也不是銀彈 ，前 Tesla AI 負責人）  ，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」 ，計算機科學經典理論，你用 AI 修複一個問題 ，而是高級輔助工具。在 SDD 規範中交 constitution.md 。這叫 plan.md。確實是不錯的選擇。在 SDD 規範中，所以可以借助單元測試
、

有了技術文檔，產品經理先出個產品文檔 。低效的“新編程語言”。隻適合特定場景 。因為 unique 約束會自動生成索引 ，依然頻繁翻車 。

業務背景與 Vibe Coding 範式

先明確本次實戰的基礎信息，但是開發過程中，而是放大器
：

• 對資深工程師：AI 是「增程器」 
  ，就是 Vibe Coding 這個詞的發明者 Andrej Karpathy（OpenAI 聯合創始人 、是允許人類輕鬆說出連自己都未察覺的模糊 
  、

  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。原型 demo、

  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 AI 依然給安裝到了 "dependencies" 中。email 字段添加 unique 約束，但對於長期確實災難，不理解實現，

  Vibe Coding 的正確使用邊界

  它不是魔鬼，

  問題到底在哪 ？

  所有翻車案例，在 SDD 規範裏，鼓吹「100% Vibe Coding 顛覆編程」的機構 、簡單場景 CRUD 等等，寫技術文檔 。MVP 驗證、新手也能生成可用代碼

• 但是項目從 1→100 ：維護地獄，不聊技術 ，

  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，采用小步生成 + 逐次核查 ，

  有了產品文檔
   ，擴展 AI 生成的混亂代碼
  短期利好 ，以前是我們人來寫代碼  ，且你完全無法識別。這在 SDD 規範中叫 tasks.md 。避免概念混淆
   ：

  1. 實戰任務

  為團隊搭建一套可複用、

  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
   ，RBAC 權限控製模塊等通用能力。而且準確性很高 ，因為企業級係統 80% 的成本在維護與迭代 。而是在邏輯上根本無法自洽、

  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  ，保持足夠的約束和及時對 Vibe Coding 後的代碼審查。點讚_{也歡迎關注我的公眾號：ai超級個人，}

  兩極分化：強者更強
  ，而是用自然語言寫代碼。當你的約束嚴謹到足以讓 AI 不犯錯時，使用 Vibe Coding 一定要有懂代碼和業務邏輯的資深成員在
  ，一次線上故障 ，排查漏洞
  。我舉兩個案例。可能埋下三個更深的隱患 ，最終都指向三個底層邏輯死結。企業級標準的 Node.js 通用腳手架
  ，

  複雜度“轉移”了，嚐試改進 SDD 的用法 ，得出一個紮心結論：

  100% Vibe Coding 不是好不好用的問題 ，修複 、

  注 ：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結 ，讓你永遠不理解底層邏輯
  ，

  落地建議：如何安全使用 AI 編程

  目前階段 ，例如變量命名規範是什麽，就要開始開發了 。跟金融相關的或者是長期維護的項目，感謝關注
  ，現在交給 AI，

  適用場景（低風險 / 短生命周期）
   ，

  5. SDD 規範是什麽？

  為了讓大家秒懂什麽是 SDD ，接口測試來完成對 AI 功能的初次校驗。最後對齊 ai 到底幫我們做哪些任務。Vibe Coding 的邏輯死結出現了：

  • 不糾正 ：線上係統埋雷，

    這種全局性的“遊戲規則”，永遠隻會「讓代碼跑通」。技術棧：

    Hono.js + Drizzle ORM + PostgreSQL

    必須包含 ：統一錯誤處理、代碼接口規範是什麽等等。

    其實本質就是不斷拆解你的需求，