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 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”

理解大语言模型：Agent 的“大脑” 模型基础 本章学习地图 学完你能做到 用自己的话解释 token 与上下文窗口 理解采样参数如何影响输出 按质量、延迟、成本和能力选择模型 本章可交付成果 一张

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

当你对一个 Agent 说：“帮我看看 README.md，这个项目是做什么的？” 看起来只是一句话，背后却不是“模型自己打开了文件”。大模型运行在服务端，它既看不到你的磁盘，也不会天然拥有文件权限。

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。

Agent到底是什么？这篇不讲复杂术语，直接用一张张图把它讲明白：它怎么思考、怎么拆任务、怎么调用工具、怎么完成工作。看图就能懂，零基础也能跟上。看完你会发现，Agent不是遥远概念，而是马上能帮你干

上周 DeepSeek Harness 发布，我就给 DSH 做了一个插件：HTML Workbench。一句话生成 HTML 之后，可以在侧边栏随时预览；不仅能随时预览，还可以随手微调页面

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

先讲一个公司里的小故事 上周五，隔壁同事探过头来： 你把需求复制给 Agent，然后起身接了杯水。 等你回来，它已经开始干活了： 看起来还挺顺。没过多久，Agent 就回复： 你正准备收工，同....

## 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

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

从前端到 Agent 的开发思维应用 从前端到 Agent， 最有利的条件是前端工程师的状态管理能力早已经过锤炼，而上下文管理在 Agent 中起到至关重要的作用。从页面和组件间状态管理，到 Agen

手把手书写你的第一个 AI Agent：当 Skill 有了记忆、角色和主动性 一、先搞清楚：Agent 和 Skill 到底什么区别 上一篇发布后，评论区问得最多的就是："Skill 和 Agent

前言 接近8.9年老前端了,34岁,双非普本,坐标广州,25年底被裁员,然后这三个月内也有去投简历,也有面试,有一些推进到二面然后就没有下文,不禁感叹现在的大环境实在不怎么样,而且前端在AI的冲击下也

从 “Everything is a Plugin” 出发，速览 DeepSeek Harness 的插件化架构：Cordis 的服务、依赖注入、事件分发与可逆副作用，并亲手写一个企业微信通知插件..

调用一次大模型 API，可以得到一段文本，也可能得到一个工具调用请求。但这还不是一个完整的 Agent。 原因并不复杂：模型只能生成“下一步应该做什么”，不能替宿主执行函数，也不知道函数执行后发生了什

UI-UX-Pro-Max 内置 192 套行业设计推理规则，垂直行业覆盖永远差最后一块拼图。我拆了它的 data/*.csv，学会把团队设计规范喂给本地 AI Skill。

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