AI编程避坑经验总结

1. 数据是业务的根基,必须自己掌握

任何一个业务想要跑起来,背后一定有数据的交互。因此最重要的事情是:

• 了解自己业务中数据的来源以及作用


• 熟悉自己业务对应的表结构——至少要清楚每张表是做什么的、有什么用、未来会在哪些业务场景中被用到

这是最基本、任何时候都不可或缺的要求。人对属于自己的东西一定要了解并掌握,纯 vibecoding 出来的产品,对所有人(包括开发者自己)都是一个黑盒。

2. 对实现方式要知其所以然

针对自己业务的每一项实现,都需要清楚:

• 是通过什么方式怎么实现的


• 数据从哪里来,数据源的引用是不是最优解


• 表结构的设计是否正确（当然实习时应该不会涉及到sql表的设计）

这些是最基本的要求,不能因为 AI 写出来能跑就默认它是对的，或许在表中有同样一个字段可以更好的更健壮的实现同样的功能

3. 先吃透 0 到 10,再谈 10 到 100

vibecoding的作品最擅长的是从 0 到 10——快速搭建起一个能跑的原型。但这个阶段恰恰是整个项目里最关键的部分。

使用者在快速搭建的过程中容易只享受"体验感",却没有真正理解:

• 这个业务逻辑为什么能实现


• 背后的原理是什么


• 如果我想要添加一个功能那么需要改动什么


• 在前端出了什么问题最有可能是哪个文件的问题

完成 0 到 10 之后,最应该做的事情是回头搞懂它,而不是急功近利地直接从 10 冲向 100。 缺了这一步的"空中楼阁",大概率会在后续不了了之。根据自己项目的业务实际情况，在关键业务的实现上本人必须掌握，必须掌握，必须掌握。

4. 增删改查也要有工程化的实现方式

实际工作中,大多数功能本质上都是增删改查,但在实现形式上,依然需要按照工程化的标准去做,而不是能跑就行。特别是实现形式上要保证健壮性。

5. 具备拆解问题的能力(工程化思维)

要有把大问题拆分成小问题、逐步实现和解决的能力,这也叫工程化思维。

之前在 vibecoding 的过程中经常会看到"可拓展、可靠、可维护的系统"这类描述,但这些往往只是停留在口号层面,就算在提示词里面强调工程化，也不会真正的很健壮 AI 不会替你面面俱到地规划设计。

• 想要实现的功能模块,是一个大方向


• 如何把这个大方向拆分成一个个小模块、逐一实现、再彼此联动


• 如果你把所有都交给AI，他会在看到实现了A和B之后就开始夸赞你，但是实际上还需要C


• 警惕所有AI的赞美，那是毒药

各位还有什么要补充的吗？