和 Claude Code 死磕 3B token 的家庭记账 APP，聊聊 vibe coding 和 spec coding 在长项目上到底差在哪

一、背景：为什么拿这么个项目来试

家里的钱散得很碎——银行、支付宝、券商、几套房、房贷，一直想要个东西能把全家资产拉成一张全局图，顺便算算真实收益。市面上的 App 要么得把全家底裤交出去，要么是逐笔流水账，都不对路。想自己写很久
，一直没动手。

正好赶上 Claude Code 这波模型（ Opus 4.8 ）能力起来了。我就想，与其拿它写个 demo 玩具，不如拿个真要长期迭代的大项目来试——一个人、业余时间，看能不能扛到能上线自己家用。顺便也想搞清楚一件事
大家都在吹的 vibe coding ，放到一个要改几十上百次、半年起步的长项目上，到底扛不扛得住。

先把结论放这：vibe coding 写单个功能是真爽，但扛长项目会塌；后来逼自己上了一套 spec ，才稳住。现在大半年过去，迭代了 8 个版本，线上自己家在用。下面讲怎么塌的、后来怎么做的。

二、vibe coding 的噩梦，切换 spec

最开始就是纯 vibe：对话框里说句人话，它哗哗写，跑一下能用就合并。前两周爽飞了，后面全是债。

最坑的一类就是:"逻辑蒸发"。CC 的记忆是会话级的——这次和它一起想明白的口径、为什么某行代码长这副怪样，会话一关就没了。下次新会话它看到那行怪代码，很自信地"帮你清理一下"，bug 就这么回来了

举个例子。我让 cc 给系统支持多币种，能切换显示币种。"切成港币、美元看，收益率这种比值不该变"——这么个常识，我前后栽了三回：

第一次，SQL 里汇率换算的分支写反，美元视图数字放大七倍，改。
第二次，月支出按本位币存的、换算漏乘汇率，"紧急储备月数"这个比值跟着币种漂，改。
第三次最离谱，加了个看历史账期的筛选器，跨期换算只补了当前期、历史期没补，同一个"本月收益率"在人民币、港币、美元三个视图能差出 -18%、-9%、-88%。

前两次我都是哪个数错改哪个，改完拉倒。问题在于：我从没把"比值必须币种无关"这个结论，写到任何 CC 下次读得到的地方。所以第三次它对前两次毫无记忆，又从零踩了一遍——我自己隔了俩月也早忘了。

这次教训的经验：vibe coding 不是不能用，是它没记性，逻辑会蒸发。要么我每次新会话手动把上下文重喂一遍，要么把决策固化成它每次开局自动读到的东西。后者就是我说的 spec 。它现在不是一份文档，是三层

第一层，版本化的设计文档，放仓库里：

prd/v0.1.md … v0.8.md            用户视角：一条条 FR （用户能看到/做到什么）+ 验收基线

tech-design/v0.1.md … v0.8.md    架构选型 + 取舍（每个决策列备选 + 为什么没选别的）

docs/qa-cases.md                 1451 行，每条 case 是一条可执行的验收口径

scripts/qa-run.sh                355 条黑盒断言，直接 curl 真接口、校验渲染出来的 HTML

db/migration/V1…V33.sql          版本化迁移，schema_history 记录，绝不改老迁移

规矩是：任何功能级改动，先写 PRD （我审）→ 拿静态 HTML 把页面原型搭出来（我审长相和交互）→ 写 tech-design （我审选型）→ 才动代码 + QA 。每步我不点头不许往下。改代码必须同步改这几份文档，不许"以
补"——一旦以后补，就再也不补了。

第二层，记忆，这是约束 CC 最关键的东西。 Claude Code 能给项目挂一组长期记忆，每次开会话自动加载。我攒了三十多条，分两类。project_* 是项目背景，比如环境拓扑（哪台是 beta 、哪台是 prod 、prod 上的真实数据碰都不许碰，只能查不能写）。feedback_* 是踩坑沉淀下来的工作纪律，这才是真正的笼子，挑几条真的：

• 改代码必须同步 PRD / 设计 / QA 三件套，别等我提醒；


• LLM 严禁做任何算术，所有数字工程代码先算好填进 prompt ，它只负责解读那段文字；


• 比值类指标切币种必须完全相等，用一条属性级断言网住整类——这条，就是上面那个币种坑踩到第三次之后我让它写下来的；


• 验收要以用户身份从首页点到底走一遍，别光 curl 接口、跑单测自我感动；


• 打 tag 、push 、发 prod 必须等我回一个精确的确认串，不许自作主张；


• UI 不许用 emoji ，一律手搓 SVG 。

第三层，skill ，把危险流程固化成带硬闸的脚本。 目前就一个：发版。发 prod 最怕手滑，我写了个 release-prod 的 skill ，流程钉死：先自动预检（ git 干净、tag 不重复、跑全量测试），然后停下来等我
对话里回一个精确的 release v0.8.0（版本号必须对得上），才打 tag 、推两个 remote 、上 prod 部署、健康验证，挂了自动回滚。skill 里明文写着这道闸不许用脚本喂 yes 绕过。

三、这是我的一些思考和实践

几条踩出来的体会，每条都附一段当时的真实记录（项目里真有这些文件）：

1. 决策别留在会话里，写进 CC 每次开局会读的地方。 会话级上下文一定会蒸发，长项目尤其。

踩的坑：同一个币种 bug 隔着 v0.2 / v0.5 / v0.8 犯了三次——修法从没写进它下次读得到的地方，它和我都忘干净了。
落成的：记忆 feedback_currency_invariance ——「比值类指标(收益率/紧急储备/负债率/占比/MoM/YoY)切币种必须完全相等；金额类按汇率精确缩放。」

2. 每踩一个坑，当场让它写成一条记忆 + 一条断言。 坑就不踩第二次。我那三十多条记忆、几百条断言，基本全是这么攒出来的。

踩的坑：线上 AI 诊断把「股票占 34%」说成「 3.4%」——让大模型自己算占比，它算错了。
落成的:记忆 feedback_llm_no_math ——「 100% 禁止做任何四则运算……所有 ¥ 金额 / % 百分比必须从 prompt 里已存在的数字原样照抄。」数字全工程算好填进去，它只解读。

3. 危险动作用 skill 加硬闸，别靠它自觉。 发版、碰线上这种，固化成带人工确认的流程，比指望模型"懂事"靠谱。

踩的坑：有次它修完直接 git tag 了才问要不要 push——tag 推上去就是对外契约，出错代价大。
落成的：记忆 feedback_tag_must_verify + release-prod skill 铁律 ——「停下来等用户回精确的 release vX.Y.Z……不能用脚本自动喂 yes 绕过。」

4. 改代码就得同步改 spec ，不许以后补。 文档和测试跟代码同生命周期，才不会跟现实脱节、才敢信。

踩的坑：早期改了字段/接口，但 PRD 、用例没跟，过段时间回看对不上，CC 还按旧文档干活。
落成的：记忆 feedback_doc_sync ——「任何代码/数据模型/模板/UX 变更，必须同步写回 PRD / tech-design / qa-cases……不要等用户每次提醒。」

5. 验收走用户真实点击路径，别只测接口。 功能做了但用户够不着，等于没做。

踩的坑：加了个指标设置页，我验了「能打开 + 配置生效 + 单测过」，结果入口只挂在子页侧边栏、没挂到「管理」首页那面卡片墙，家里人根本找不到。
落成的：记忆 feedback_verify_user_path + 黑盒断言 v08-NAV-1 ——「以用户身份从首页点到终点走一遍……护栏要守用户实际入口，不是守某个等价旁路。」

四、顺便说下这系统

被这么折腾的对象叫家庭账房，自托管。不是流水账，是每月花十分钟，把散在银行、支付宝、券商、房子、房贷的钱拍张快照，然后帮你算真实年化（ XIRR / TWR ，还能分清哪些是工资攒的、哪些是钱自己生的），
AI 看看配置、点点风险、给个再平衡方向，只解读，不荐产品、不预测涨跌。数据只待在你自己服务器上。

栈很无聊，故意的：Spring Boot 3 + Thymeleaf + HTMX + Chart.js ，没有前端构建，Docker 一键或 systemd 直装。

Demo ，假数据随便造：
https://beta.dixi-token.top （ wangergou / demo1234 ）

源码，Apache 2.0：
https://github.com/LuoDi-Nate/financial-management

完全免费开源，没有课程，没有星球。有问题直接开 issue ，我都会回。