过去6周我审查了14个用Lovable/Bolt/Cursor构建的MVP。相同的5个问题在线上生产中毁掉它们
摘要
在审查了14个使用Lovable、Bolt和Cursor等工具构建的AI SaaS MVP后,作者指出了五个常见的线上生产失败原因:未经测试的RLS策略、损坏的身份验证刷新流程、共享同一连接池的后台任务、设计不佳的数据库模式,以及支付/API缺少幂等性。解决办法是2-3周有针对性的基础设施工作。
这些大多是AI SaaS的创始人,他们用Lovable或Bolt快速交付产品,获得了首批30到50个用户,然后眼看着整个系统开始漏洞百出。模式几乎一模一样。行级安全策略写了一次,从未测试过。Supabase中的默认RLS策略在演示中没问题,但当拥有特殊角色的用户访问共享表时就会失效。14个中有4个的策略允许任何经过身份验证的用户读取其他租户的行数据。没人发现,因为没人编写一个伪装成错误用户的测试。身份验证流程看起来正常,直到刷新令牌过期。大多数只使用一个Supabase身份验证助手,从未处理刷新路径,并在60分钟后悄悄将用户登出。创始人以为他们遇到了用户流失问题,但实际上是个会话Bug。后台任务与应用程序共享同一连接池。一次邮件群发或一次CSV导入就会锁定数据库,影响所有人。14个中有6个如此。修复只需3行配置,但没人知道去看。数据库模式是通过提示构建的,而不是经过思考。表名像句子一样,缺少外键。JSONB列存放本应是关系型的数据。一旦有了500行真实客户数据,每次迁移都变成4小时的问题。任何涉及金钱或外部API的操作都没有幂等性。Stripe重试webhook时,你会重复收费,然后从Twitter投诉中得知。电子邮件发送、短信、第三方同步也是同样模式。这些都不是代码质量问题,而是设计问题——AI构建者看不到,因为AI还不了解你的业务。解决办法很少是“重写一切”,通常是2到3周有针对性的基础设施工作:真正的RLS测试、任务队列、正确的会话处理、模式清理、关键地方的幂等性键。
相似文章
我在真实客户项目中测试了6款AI应用构建器,仅2款通过生产环境考验
作者在真实自由职业项目中测试了六款AI应用构建器,发现只有Cursor + Claude和v0 + 手动实现能可靠交付生产级应用,其他工具因平台锁定和可维护性问题而落败。
AI代理在生产环境中目前能做什么?分享三个月来有效和失效的经验
在3个SaaS产品中运行AI代理3个月后,作者分享了哪些有效(GitHub MCP、Postgres MCP、Playwright MCP)以及哪些失效(长任务、认证壁垒、成本飙升、多工具编排错误),月成本约430美元。
@PrajwalTomar_:彻底完了!!!MVP代理机构彻底没戏了。我刚刚把Twilio、Granola、ElevenLabs、Lovable AI和Gmail连接了起来……
一位用户演示了将Twilio、Granola、ElevenLabs、Lovable AI和Gmail集成起来,快速交付诸如短信通知和AI语音报告等功能,这表明MVP代理机构面临被此类自动化取代的风险。
你的流程本应不断优化,但几乎没有哪个做到了。以下是我们尝试闭环时学到的经验。
经过8个月将AI代理部署在实际运维任务中,作者分享了五个未曾预料的工程挑战:按能力而非按工具的权限管理、通过连接器代理隔离凭证、持久的审批关卡、硬性预算上限、以及进程外的审计日志。
在与20多个在生产环境中运行LLM的团队交流后,三个痛点反复出现
基于与20多个团队的对话,作者指出了在生产中使用LLM时反复出现的三个痛点:仅企业版提供的基础功能、缺乏代理可观测性、以及新模型支持缓慢。