从 Anti-Vibecoding 到混沌：“Ficha Monstra”的传奇

Source: Dev.to

引言

项目 Ficha Monstra 源于需求与冲动的混合：我在黑色星期五因为纯粹的消费主义买了一个 VPS，想写点东西并学习如何在软件开发中以生产性的方式使用人工智能，同时也厌倦了在健身房的训练卡盒子里丢失我的纸质卡片。

于是诞生了 Ficha Monstra，这个名字来自 Gemini。

前提是创建一个 “anti‑vibecoding” 的技术栈：我想要结构和控制。于是选择了 Blazor .NET Core、Identity、Entity Framework 和 Semantic Kernel（在 Azure 上）。

秩序阶段

我开始时很有纪律。只把 Gemini 用于头脑风暴和生成 HTML/CSS，但保持架构上的控制。我手动创建了 .NET 解决方案（以避免 AI 对旧库的依赖），并使用 Spec Kit 为项目制定了一份 “宪法”，对模型施加严格规则。

我开发了认证、创建、详情、列表和分页页面，集成了 Redis Cache，以及一个集成了 Semantic Kernel 插件的代理，能够分析数据库中的练习并根据用户提交的信息推荐训练计划。我还实现了验证、单元测试和集成测试——全部在一天内完成。

代码离理想的质量还有很大差距，这点是事实。

陷入 Vibecoding

快速看到一切运行的快感会让人膨胀。那种无敌的感觉让我放弃了最初的计划。突然之间，我开始即兴添加未计划的功能，如游戏化、多仪表盘和管理员后台。

技术严谨性消失了。我不再批评生成的代码，结果不言而喻：项目从原本还算 “可爱”，迅速退化。

学到的经验

尽管最终代码混乱，却有技术亮点：我把 Playwright 与 Gemini 通过 MCP 结合。看到模型“观察”界面并自行运行测试的过程令人印象深刻。

Spec Kit 让人惊喜；虽然有点难以理解，但它真的在创建功能时提供了帮助和控制。

有时比起再写一个提示词并等待答案，亲自下手写代码、解决问题更有效。必须学会辨别模型何时在 “滑冰”，因为真正滑倒的往往是你，而不是模型。

最终，Ficha Monstra 教会我：AI 能加速构建，但如果放松警惕，也会加速技术债务的产生。生成的代码可能丑陋且糟糕，必须成为审查者而不是单纯的编码者。掌握软件工程的基础会产生巨大的差异。

它也让我对 2026 年产生了一种奇怪的预感——一切都不会再像以前那样，真的。