Vibe Coding 实战笔记：从“修好了C坏了AB”到企业级数据库架构重构

背景：
在使用 AI 辅助编程（Vibe Coding）开发一个基于 Vue + Python 的标签管理系统时，共有5个功能模块。
现状：
原先使用模拟数据（Mock Data）。在将模块3接入真实数据库后，模块3运行正常，但模块1和模块2突然无法访问数据库或报错。
核心问题：

1. 如何利用 AI 快速修复这种“顾此失彼”的回归错误？
2. 五个模块如何管理数据库连接才不会浪费资源？

---

第一部分：紧急救援——如何修复“回归错误”？

当出现“新功能上线，旧功能挂掉”的情况，通常是因为**公共依赖（Common Dependency）**被修改了，但旧模块的代码没有同步更新。

1. 准备“犯罪现场”证据

AI 无法意念调试，必须提供以下三要素：

• 后端报错堆栈 (Traceback)：Python 控制台的具体错误（如ImportError,Table not found）。
• 前端表现 (Console Log)：Vue 在浏览器中的红色报错（如 404, 500）。
• 代码对比 (Diff)：明确指出哪些公共文件（如app.py或config.py）被修改了。

2. 高效 Prompt 策略：对比法

不要只扔报错信息，要引导 AI 进行**“良性对比”**。

Prompt 模板：
“我正在从模拟数据切换到真实数据库。模块3接入成功，但模块1和2坏了。

• 这是模块3（正常）的代码片段：[粘贴代码]
• 这是模块1（报错）的代码片段：[粘贴代码]
• 这是报错日志：[粘贴日志]

请分析：我在实现模块3时，是否修改了全局的db初始化逻辑？请以模块3为标准，帮我修正模块1的代码。”

3. 常见排查点

• ORM 模型注册：是否删除了模块1的 Model 导入，导致create_all没创建表？
• 数据格式差异：以前 Mock 返回的是dict，现在 ORM 返回对象，导致 JSON 序列化失败。
• 路由冲突：模块3的 API 路由前缀是否覆盖了旧模块？

---

第二部分：架构升级——数据库连接的“单例与池化”

疑问：5个模块如果各自写连接代码，是否意味着5个数据库连接？
答案：是的，这极度浪费资源，且不可维护。

优化目标：全局共享同一个数据库连接池（Connection Pool），类似于“全公司共用一台饮水机，而不是每人桌上一台”。

1. 核心设计模式

• 单例模式 (Singleton)：确保 App 生命周期内只有一个Engine实例。
• 连接池 (Pooling)：预先建立好一组连接（如 10 个），模块用完即还，不频繁开关连接。

2. 重构方案 (The Refactor Plan)

我们需要把分散在各处的connect()代码抽离到一个独立文件。

新建database.py(公共设施):

fromsqlalchemyimportcreate_enginefromsqlalchemy.ormimportsessionmaker# 1. 创建引擎（带连接池配置）# pool_size=10: 保持10个连接在池中# pool_recycle=3600: 1小时回收一次，防止MySQL断开engine=create_engine('mysql+pymysql://user:pass@localhost/db',pool_size=10,pool_recycle=3600)# 2. 创建会话工厂SessionLocal=sessionmaker(bind=engine)# 3. 依赖注入工具（供 API 调用）defget_db():db=SessionLocal()try:yielddbfinally:db.close()# 这里的 close 是把连接“放回池子”，不是断开 TCP

3. 指导 AI 进行重构的 Prompt

Prompt 模板：
“@Codebase 我想对现有代码进行架构升级。
目前5个模块的数据库连接比较混乱。请帮我创建一个database.py文件，使用 SQLAlchemy 实现**连接池（Connection Pooling）**管理。
然后，请重构所有5个模块的 Service 层，让它们统一从database.py导入db会话。
目标是：解决资源浪费问题，并确保所有模块使用一致的数据库访问逻辑。”

---

总结

在 Vibe Coding 过程中，不仅要让 AI 写代码，更要让 AI当架构师。

1. 遇到旧模块损坏，用“好坏代码对比法”让 AI 快速定位差异。
2. 遇到多模块协作，必须抽离公共组件（Common Utilities）。
3. 数据库连接严禁在每个模块单独创建，必须使用单例 + 连接池。

下一步行动：
先备份代码（Git Stash），然后使用上述 Prompt 让 AI 统一重构database.py，一举解决 Bug 和性能隐患。