Appearance
一个真实场景：朋友用Cursor从零搭的SaaS后端，三个月前跑得好好的，现在任何改动都会连锁崩塌。没有测试，没有文档，函数名是
handleStuff和processData，同一段逻辑在四个文件里出现三个不同变体。AI写的每一行都能跑，但没有人——包括AI本身——还能理解这个系统的全貌。
这就是我说的"三个月黑箱"。
Vibe Coding的诱惑
我不反对vibe coding。Andrej Karpathy在2025年初提出这个概念时，描述的是一种"完全沉浸在氛围中，拥抱指数级增长，忘记代码存在"的编程方式。对于原型验证、周末项目、一次性脚本，这种方式确实香。
数据也说明了这个趋势的规模：92%的美国开发者每天都在用AI编码工具，46%的新代码是AI生成的。
但诱惑背后有代价。
三个月后会发生什么
当你用vibe coding的方式推进一个项目三个月，几件事会同时发生：
Context window撞墙
AI每次只能看到有限的上下文。项目小的时候，它能"记住"整个系统；项目长大后，它开始遗忘，开始在不同文件里用不同风格解决同一个问题。代码重复率最高能达到8倍。
不是因为AI笨，而是因为它每次对话都是从头开始理解你的系统。
安全漏洞静默积累
研究显示：45%的AI生成代码包含OWASP Top-10漏洞。 SQL注入、XSS、不安全的反序列化——这些不是高深的攻击向量，是基本功。
AI不会主动告诉你"这段代码有安全风险"，除非你问它。
调试成本反超
63%的开发者表示他们花了更多时间调试AI生成的代码。 前期省下的时间，后期用debug补回来——甚至更多，因为你在调试一段你没有完全理解的代码。
无人能理解全貌
这是最致命的。三个月后，代码库的复杂度超过了任何人（包括AI）的理解能力。你不知道改一个地方会影响什么，不知道哪些代码是活的、哪些是死的。
项目进入"只能加不能改"的状态。
我的做法：AI Coding + TDD
我用AI写了MCPHub的几乎所有代码。这个项目现在有2000多个star，稳定运行，持续迭代。但我从第一天起就没有"vibe"过——我给AI立了规矩。
AGENTS.md：AI的行为规范
在MCPHub里，我维护了一个AGENTS.md文件，它定义了AI辅助开发时的所有约束：
- 代码风格
- 命名规范
- 测试要求
- 提交规则
每次让AI写代码时，这个文件就是它的行为边界。
没有AGENTS.md的AI，就像一个不知道公司代码规范的新员工——技术能力可能很强，但写出来的东西和其他人的代码格格不入，越积累问题越大。
TDD：让测试做第二个大脑
测试驱动开发不是新概念，但在AI Coding的语境下，它的价值被重新定义了。
在传统开发中，TDD帮你理清需求、保证正确性。在AI Coding中，TDD还多了一个作用：它是AI产出的验证机制。
AI写了一个函数，测试告诉你它到底对不对。AI重构了一段逻辑，测试告诉你有没有破坏已有行为。
我的工作流：
- 我写需求（定义"什么是对的"）
- AI写实现和测试（解决"怎么做到"）
- 测试通过，我做代码审查
- 审查通过，合入主干
测试不会过期，不会遗忘，不会因为context window的限制而丢失信息。它是系统里唯一一个"永远记得规则"的东西。
人工审查：最终决策权在人
AI写代码的速度很快，但我从不自动合入。每一段AI生成的代码，我都会看过之后才放进去。
不是因为AI经常写错——准确率其实挺高的。而是因为：
- 我需要理解这段代码。 如果我不理解它，将来出问题时我也不知道怎么修。
- 我需要判断方向。 AI能解决当前问题，但不一定知道这个解法和整体架构是否一致。
- 我需要积累判断力。 完全依赖AI的开发者，会逐渐失去"什么是好代码"的直觉。
不是拒绝AI，是驾驭AI
我见过两种极端：一种人拒绝AI，觉得"真正的程序员不用这些"；另一种人全盘交给AI，觉得"以后都不用写代码了"。
两种都不对。
AI是这个时代最强的编程杠杆，但杠杆需要支点。
TDD是支点，AGENTS.md是支点，人工审查是支点。
没有支点的杠杆只是一根棍子——用力越大，失控越快。
我的经验是：约束不是效率的敌人，约束是效率的前提。 MCPHub的开发速度不比任何vibe coding项目慢，但三个月后它依然可维护、可理解、可安全迭代。
写在最后
如果你正在用AI写代码——大概率你是的——问自己一个问题：
三个月后，你还能看懂这个项目吗？
如果答案不确定，也许是时候给你的AI搭一个脚手架了。不需要放弃速度，只需要加一点结构：写测试、定规范、保持审查。
AI不会变慢的。但没有约束的代码一定会。
