不用 LangChain，200 行 TypeScript 手搓一个能联网、能写文件的 Agent 一、先想清楚：Agent 到底是什么？ 抛开框架的糖衣，Agent 的本质就一句话： LLM（大脑）

用户说：“帮我看看支付服务”。 上一篇把从界面到 Trace 的整条链路跑通了。这篇盯住：先弄清用户到底想干什么。这句话可能在问概念、查状态、翻日志，甚至准备重启。 Agent 一上来就选工具，容易答

用户说：“查一下生产环境 order-service 最近的错误日志。” 最终只看到一段回答，背后至少经过身份、会话、意图、模型、工具、流

目录 一、当前就业形势的硬事实 1.1 互联网行业整体：从扩张期进入存量期 1.2 前端岗位的特殊处境 1.3 AI 浪潮带来的新机会 二、对"35 岁现象"的本质解读 三、35 岁前（2026—20

用了Pi基本就回不去了， 如果你也在用Pi， 强烈推荐安装pi-chrome。 它能让 Pi coding agent 操作你平时用的 Chrome，复用已有的登录态。 我刚让它：“查看gmail中的

针对小程序无法在 Linux CI 跑 E2E 的难题，wxa-runner 在普通浏览器里运行微信官方基础库，支持 Playwright 无头测试、保留页面栈热更新与纯净调试，现已开源。

用 Codex 做前端（前提你得花钱买额度😁😁😁😁😁😁），最容易踩的坑，是一句话同时要求它看 Figma、接接口、修交互、跑测试、打包甚至上线。任务跨度越大，中间越难检查，最后往往只剩一句“已经完成”

我们曾经给研究型 Agent 做过一次答案交付治理。 目标很明确：模型已经生成了回答，就不应该因为一个无效引用、某次工具调用失败，或者数据库暂时写不进去，让用户什么都看不到。

2025 年底，技术社区里最热的讨论话题还是"前端是否是夕阳行业"。朋友圈里时不时有人转发"前端已死"的文章，评论区里总有人感慨"现在入行是不是太晚了"。 但到了 2026 年，画风突变。 So

## 一、前言 在 AI Coding 快速普及的这两年，越来越多的团队开始使用 Codex、Cursor、Claude Code 等工具辅助开发。围绕这些工具，也出现了大量关于 Prompt、Ski

背景 上面的场景想必大家都有体会：产品或后端让你帮忙确认一段历史逻辑。对于业务复杂的系统，我们需要抽丝剥茧般地梳理代码。当然，现在有了 AI 辅助，我们可以用“魔法”快速定位逻辑。但如果要在这些历史逻

我们平时写 Skill，更多关注的是： 但还有一个问题： 很多人会理解成：用户提问后，Agent 找到对应 Skill，然后把整个 SKILL.md 全部交给模型。 但其实 Skill 并不

这个阶段在学什么 很长一段时间里，行业叙事容易把人往两个极端推：一边是「学会微调 / 训模型才算 AI」，一边是「会写 prompt 就算会做 Agent」。这两种说法对我这种写前端的人都不友好.

本文分享了前端三个高频使用的agent-skills, vue-skills, react-skills, ui-skills, 让AI生成的代码风格更统一，更专业

这篇文章盘点开源项目把它玩出的七种活法，从为自己签到，到发布软件、AI 维护者，再到用机器人管理机器人，一路进阶。看完你会同意：把它当“跑测试的地方”，太浪费了。

大家好，这是我最近折腾的一个小项目——一个心理咨询陪伴类的 AI 助手。 之所以想做这个，是因为我发现心理咨询场景和普通聊天机器人有个本质区别：回复不好只是体验问题，漏掉一次

Agent 体检：乱编、连锁、失忆，给 Agent 做一次五维体检 一、Agent 的病，为什么比 Skill 更难发现 上一篇体检 Skill，操作很直接：扫一遍文件、逐项打勾，谁好谁坏一目了然。

前端也能独立做 AI Agent！基于 Next.js+LangGraph 搭建简历优化工作台，拆解可迭代 AI 工作流实现，聊聊前端落地 AI 产品的独有优势与避坑经验。

为什么你的 Agent 聊两句就“失忆”？历史太长还直接塞爆模型窗口？本文不依赖任何框架，用 200 行 TS 代码带你手搓 Session 与动态上下文压缩，从零解锁媲美 Claude Code 的