一个关于"AI 帮你写了 80% 的代码，但你自己的 20% 去哪了"的真实故事。
GitHub：bb-cccc/vibe-upskill
如果这个工具对你有用，给个 Star ⭐
那一刻的沉默
“你在这个项目里用了 PostgreSQL，能说说为什么不用 MongoDB 吗？”
面试官问完，我沉默了大概五秒钟。
那个订单系统是我两周前用 Cursor 做的，代码跑得很好，日均处理 10 万单。数据库确实是 PostgreSQL。但我脑子里只有一句话——“Cursor 帮我选的，它说这个数据一致性更好。”
最后我挤出一句：“因为订单数据需要事务支持，PostgreSQL 的 ACID 保证更好。”
“那 PostgreSQL 的 MVCC 机制是怎么工作的？你们的慢查询是怎么排查的？索引优化你做了哪些？”
面试官连追三问。
我又沉默了。
当时脑子里闪过一个念头：我是不是被 Vibe Coding 养废了。
Vibe Coding 的阴暗面
Vibe Coding 这两年太火了。用 AI Agent 写代码，从建表到写 API、从 Redis 缓存到 Docker 部署，全程 AI 搞定。后端、前端、运维，在座的各位至少 80% 已经在这么干了。
但有个副作用没什么人聊。
AI 帮我们做了太多决策。选数据库还是选缓存、索引怎么建、SQL 怎么优化、Docker 怎么配——Agent 一条龙。系统跑起来了，但你问我"为什么这么设计"，我只能说"Agent 说的"。
长此以往，想象一下：
- 你在简历上写"独立设计日均 10 万单的订单系统架构"
- 面试官追问"数据库读写分离怎么做的？Redis 缓存穿透怎么防？慢查询怎么定位的？"
- 你脑子一片空白——因为这些都是 Agent 替你决策的
项目经验是你的。但项目里的能力，不是你的。
我是怎么发现这个问题的
上个月我开始准备跳槽。翻开过去半年用 AI 做的 5 个项目——订单系统、用户中心、消息推送、日志平台、API 网关——我试图总结"我学到了什么"。
答案是：几乎想不起来。
不是没学到东西。知识点都散落在几十轮 Agent 对话里，被埋在了"好的"、“帮我修复一下”、"这个报错怎么解决"之间。没有人帮我梳理。没有人帮我提炼。更没有人帮我复习。
那些关于 PostgreSQL 索引优化的讨论、Redis 缓存策略的权衡、Docker 容器 OOM 的排查过程——全忘了。
所以在一次失眠之后，我写了一个工具。一个Claude Code Skill。
vibe-upskill：把你的 Agent 对话变成你自己的面试题库
名字叫 vibe-upskill。一句话说清楚它做什么：
把你跟 AI Agent 的开发对话，提炼成你能在面试时独立回答的场景题、避坑清单和结构化知识库。
不是让你不用 AI。是用了 AI 之后，把 AI 的决策智慧内化成你自己的东西。
它怎么做？三件事。
🧲 第一件事：从对话里挖金子
你跟 Agent 的聊天记录里藏着大量有价值的东西——为什么选 PostgreSQL 不选 MongoDB、慢查询怎么排查的、Redis 缓存策略怎么定的。但没人去翻几百条聊天记录找这些东西。
vibe-upskill 会。它从你的对话中扫描 5 个维度：
- 架构决策：数据库选型、读写分离、缓存策略的权衡
- 代码实现：API 设计、连接池配置、事务管理
- 排错过程：慢查询定位、OOM 排查、死锁分析
- 部署运维：Docker 编排、CI/CD 配置、环境变量管理
- 方法论：Agent 怎么拆解问题、怎么对比方案
每条知识不是简单的"做了 A 然后 B"——而是追问到底层原理和可迁移教训。
比如我复盘数据库选型的对话后，它这样提炼：
【底层原理】PostgreSQL 的 MVCC 通过元组版本链 + 事务快照实现读不阻塞写——UPDATE 不直接覆盖旧行，而是插入新版本，旧版本由 VACUUM 回收。
【可迁移教训】选数据库的第一原则是"数据模型长什么样"——如果你的数据之间有关系（订单→用户→商品），关系型数据库天然匹配；如果你的数据是独立的文档（如用户行为日志），MongoDB 更自然。不要用"哪个流行"来决定。
这不只是"记了一个结论"。这是换一个项目也能用上的判断力。
🎯 第二件事：生成能打的面试题
知识点提炼完还不够。你要能在面试时独立输出。
Skill 自动生成 10 类面试题：
| 类型 | 考察什么 | 后端示例 |
|---|---|---|
| 场景设计题 | 给定业务，设计技术方案 | “设计一个秒杀系统的库存扣减方案” |
| Bug 排查题 | 给定错误现象，分析根因 | “线上数据库 CPU 突然 100%，你从哪几个方向排查？” |
| 深挖原理题 | 追问技术选的底层原因 | “PostgreSQL 的 MVCC 和 MySQL 的 MVCC 有什么不同？” |
| 代码审查题 | 发现并发代码中的问题 | “这段事务代码在高并发下有什么问题？” |
| 项目表达题 | 清晰介绍项目亮点和难点 | “用 3 分钟讲清楚你的订单系统架构” |
| 系统设计题 | 规模扩展设计 | “从日均 1 万单扩展到 100 万单，架构怎么演进？” |
| 运维排障题 | 线上故障排查 | “凌晨 3 点收到 Redis 内存告警，你的排查步骤？” |
| 方案对比题 | 对比两种方案优劣 | “Redis Cluster vs Codis，你怎么选？” |
| 复盘反思题 | 回顾项目，提炼改进 | “如果重做这个项目，改哪三个架构决策？” |
| 测试质量题 | 设计测试用例 | “为订单服务的幂等性设计 5 个测试用例” |
最狠的是每道题的"反事实推理"：
- 如果数据量涨到 5000 万，你现在的索引方案还扛得住吗？
- 如果把 PostgreSQL 换成 MySQL，你的 SQL 要改哪些？
- 如果公司要求自建 Redis 而不是用云服务，你的运维方案怎么变？
面试官就这么追问的。你准备好了吗？
🗄️ 第三件事：让知识不白学——间隔复习系统
你有没有这种经历——看了一个知识点，觉得懂了，三天后完全忘光。
vibe-upskill内置了 SM-2 间隔复习算法。每次复述后自己打分：
- 0 分（完全卡住）→ 明天再复习
- 1 分（部分回忆）→ 间隔缩短
- 2 分（流畅复述）→ 间隔拉长：1天 → 3天 → 7天 → 14天 → 30天 → 60天 → 120天
每次打开 Skill，它自动告诉你今天有哪些到期该复习的题。你不用记"什么时候该复习什么"——系统替你记。
超过 90 天的知识点自动触发季度审查——PostgreSQL 版本升级了、Redis 新特性取代了旧方案——及时归档，不让知识库变成垃圾场。
还有一个很"狠"的设计：复述强制
题目生成好了，不让你直接看答案。
Skill 要求你先用自己的话口述一遍，然后才显示参考答案。这不是折腾你——看过 ≠ 理解，能说清楚才是真理解。
跳过一次可以。连续跳过 3 次提醒你。跳过 10 次直接暂停——“不让你骗自己’看懂了’”。
我自己被这个机制整过。有道题是"介绍你的订单系统架构"，我想着这还不简单。结果开口才发现——我说不清数据库读写分离后，从库延迟怎么处理。当时脑子里闪过的只有 Agent 那句"读从库，写主库"，但延迟怎么办？哪些读必须走主库？我一个都答不上来。
那个瞬间我才意识到：我以为我会的，其实只是"我看 Agent 做过"。
Vibe Coding 没错，但你得会"善后"
写这篇博客不是在劝你别用 AI。我自己每天都在用。省下的时间是真实的。
问题是——省下的时间，你是拿去刷短视频了，还是拿去内化知识了？
如果你想把自己用 AI 做的项目真正变成你自己的东西，试试这个 Skill。
安装只需一句话——把这行字发给你常用的 AI Agent：
帮我安装这个 Skill：https://github.com/bb-cccc/vibe-upskill不需要配环境。不需要装依赖。Agent 自己搞定。
最后说一句
Vibe Coding 时代，会用 AI 写代码的人会越来越多。
但离开 AI 还能独立设计数据库、独立排查慢查询、独立做架构决策的人，会越来越少。
这不一定是坏事——因为那才是你的护城河。
下次面试的时候，不要只说"Agent 帮我选的"。
GitHub：bb-cccc/vibe-upskill
如果这个工具对你有用，给个 Star ⭐
