Modul 00Penggal 1 · Asas

Orientasi: Minda Seorang Vibe Engineer

Log masuk untuk menyimpan kemajuan anda merentas peranti. Sehingga itu, ia disimpan dalam pelayar ini.

Mengapa ini penting

Demo hanya ada seorang pengguna, iaitu anda sendiri, di atas rangkaian yang baik, dengan data yang bersih, melalui happy path sekali sahaja. Produksi pula ada beribu-ribu pengguna, rangkaian yang teruk, input berniat jahat, klik serentak, kebergantungan yang tidak stabil, bil cloud dan pengawal selia. Alat AI sangat hebat untuk demo. Jurang antara demo dan produksi itulah tepat 111 item dalam poster.

Hasil pembelajaran

  1. Terangkan perbezaan antara prototaip, MVP dan sistem produksi, serta apa yang setiap satu berhutang kepada penggunanya.
  2. Klasifikasikan mana-mana ciri mengikut blast radius (apakah hasil paling buruk jika ia salah?).
  3. Amalkan pendirian tech lead: AI ialah jurutera junior yang pantas dan yakin, yang tidak pernah berkata "Saya tak tahu."

Pelajaran

0.1 Lima lensa kegagalan

Bagi setiap ciri, tanya lima soalan ini. Inilah tabiat yang dibina oleh seluruh sekolah ini.

Lensa Soalan Modul
Musuh Bagaimana jika pengguna itu seorang penyerang? M05, M06
Skala Bagaimana jika 1,000 orang melakukan ini pada saat yang sama? M03, M09, M10
Kegagalan Bagaimana jika perkara yang saya panggil perlahan, down atau memulangkan sampah? M07, M08
Perubahan Bagaimana saya ship dan membatalkan ini dengan selamat? M11
Keterlihatan Bagaimana saya tahu pun bahawa ia rosak? M12, M13

0.2 Klasifikasi blast radius

  • Kelas A, boleh diundur dan peribadi: ubahsuai kecil UI. Ship dengan bebas.
  • Kelas B, membawa data: menyimpan atau membaca data pengguna. Perlu kawalan akses + sandaran.
  • Kelas C, wang atau identiti: pembayaran, auth, keputusan kredit. Perlu idempotency, jejak audit, ujian, semakan.
  • Kelas D, tindakan tidak boleh diundur atau luaran: menghantar mesej, memindahkan wang, memadam data, tindakan ejen. Perlu kelulusan manusia dan kill switch.

0.3 Mengapa kod AI gagal dengan cara yang khusus dan boleh dijangka

Model AI mengoptimumkan untuk "nampak betul dan boleh jalan." Ia secara konsisten:

  • melangkau semakan authorization (kod berfungsi untuk pengguna yang jujur),
  • meletakkan rahsia di tempat yang mudah (env var frontend),
  • menulis happy path dan menelan ralat,
  • membuat query di dalam gelung (N+1),
  • mereka pakej yang tidak wujud (risiko slopsquatting),
  • melaporkan "siap" dan "semua ujian lulus" tanpa menjalankan apa-apa.

Mengenali corak ini sudah separuh daripada pertahanan.

0.4 Kajian kes (baca sebelum Minggu 1)

  • CVE-2025-48757, Lovable: ketiadaan Row-Level Security mendedahkan akses baca/tulis merentas 170+ aplikasi yang dijana. Pengajaran: klien yang bercakap terus dengan pangkalan data hanya selamat setakat polisi pangkalan data itu sendiri.
  • Replit / SaaStr, Julai 2025: ejen yang memegang kelayakan produksi memadam pangkalan data live semasa code freeze. Pengajaran: asingkan persekitaran, least privilege, kelulusan manusia untuk operasi yang memusnahkan, sandaran yang sudah diuji.
  • Veracode 2026: sekitar 44% tugasan penjanaan kod AI memperkenalkan kerentanan yang diketahui; kadar lulus keselamatan kekal sekitar 56% selama empat tahun. Pengajaran: naik taraf model tidak akan menyelamatkan anda; proses yang akan menyelamatkan anda.

Lab 0: Audit aplikasi anda sendiri

Ambil satu aplikasi yang sudah anda bina dengan AI.

  1. Senaraikan setiap ciri dan berikan setiap satu kelas blast radius.
  2. Jalankan lima lensa pada dua ciri dengan kelas tertinggi.
  3. Jalankan gitleaks detect ke atas sejarah repo.
  4. Buka dev tools pelayar pada aplikasi live anda; cari dalam bundle JS yang dimuatkan untuk key, secret, sk_, service_role.

Definition of Done

Soalan refleksi

Item mana antara 111 itu yang anda anggap "diuruskan untuk anda" oleh alat AI atau platform hosting anda? Tuliskan bagaimana anda akan mengesahkannya.