通过专注于LLM所缺乏的技能，‘前端设计工程师’可以适应被人工智能颠覆的市场。
前端网站开发的“钱途……没了”。这是 AI 与软件开发领域的知名人物 Santiago Valdarrama 的观点。当然，并非所有人都认同这一说法——看看他最近在 X（原 Twitter）上掀起的舆论风暴就知道了。不过，Valdarrama 的观点有一定道理。他对开发者群体表示：“两年前，大家都愿意砸钱让你做网站。现在那些客户已经不再这么做了。”
这些客户去哪了呢？
毫无悬念，他们选择了与LLMs合作。更准确地说，是选择了那些懂得如何使用 LLMs 构建产品的前端开发者。正如我之前提到的，这种转变目前对资深开发者的好处最大，但实际上它也有可能惠及每一位前端或全栈开发者。关键不是恐慌，而是去适应。
大型语言模型这群“野蛮人”已兵临城下。
人工智能编码工具的进步之快，几乎无法用言语来形容。开发者 Valdarrama 指出：“我们几乎每周都会迎来一个全新的模型，它远远超越了我们过去见过的一切。”他感叹道，大型语言模型如今正在解决“几年前谁都——我是说没有任何人——认为不可能解决的问题。”他接着说：“大型语言模型已经突破了我曾设想过的所有限制”，以至于“现在你要是还雇佣未经训练的人来写代码，那简直是疯了”，因为 AI 已经把参与编码的门槛提高到了前所未有的高度。
即便是经验丰富的工程师也对 AI 的进步感到惊讶，更不用说初级开发者为何担心自己会被自动化取代了。
如今的大型语言模型，确实可以按需生成前端代码。Vercel 的 CEO Guillermo Rauch 指出，从 GPT-3 开始，它就“非常擅长使用 HTML 和 CSS 进行设计，也能编写 React 代码”，这预示着 Web 开发方式即将被彻底颠覆。随着 GPT-4 及其他更先进模型的出现，这一前景更加强烈。
但这并不意味着前端开发者（至少是有经验的开发者）就会被淘汰。
尽管 AI 的演示效果令人惊艳，但当前的大模型仍远不能替代熟练的前端工程师。那些炫目的例子通常是生成一个小型应用或静态页面，而在真实的生产环境中，前端开发与项目上下文密不可分——而这恰恰是 AI 做不到的地方。正如 Ofer LaOr 所说：“每个团队和项目之间的差异、使用工具、框架、库和 CSS 的组合……几乎是无限的。”而 LLM 对于你的项目栈和样式规范则“一无所知”。换句话说，AI 也许能生成一个通用的 组件，但将其整合进你应用独有的架构中，仍然是人的任务。
即使只谈编码本身，LLMs 的准确性问题也早有文献记录。它们常常生成看起来很有信心、但实际上存在细微漏洞或疏漏的代码。前端教育者 Josh W. Comeau 指出：“LLM 无法验证它的假设，也不能测试自己的结论。它无法确认自己说的是否正确。”不同于人类开发者，AI 并不真正理解代码的行为或 UI/UX 的含义；它只是根据统计模型预测下一个最可能出现的词。因此，“AI 输出中总是会存在某种程度的误差”，Comeau 总结道。
对一个非程序员而言，试图完全依赖 AI 构建应用，隐藏的错误无异于埋下的地雷。“如果你不是程序员，你根本不知道哪些部分是对的，哪些是错的。”Comeau 指出。因此，正如许多开发者认为的那样：“想要高效使用 AI 进行开发，你需要足够的经验来识别哪些内容是 LLM 输出的垃圾。”生成一个 50 行的小 Demo 是一回事，但构建和维护一个拥有数万行代码的复杂 Web 应用，那是完全不同的挑战。
或许大型语言模型终有一天能做到，但现在还远未到那个程度。
更多是解决问题，而不是“打补丁”
这一切都指向对前端开发者角色的一种全新理解。如果基础 UI 代码的编写逐渐商品化（即任何人都能用 AI 快速生成），那么开发者的真正价值将体现在高层次的问题解决能力、创造力和打磨品质上。
正如 Valdarrama 所指出的：“编码只是我们与计算机沟通思想的方式，但它从来不是最难的部分。”
真正难的是：你要构建什么？为什么构建？怎么优雅地构建？那些被称为“顶尖工程师”的人，是因为他们始终比别人更擅长三件事：
找到正确的问题；
以合理的方式界定问题，使得解决方案变得自然而然；
将方案打磨成优雅、可维护的设计。
而这些，正是当前 AI 无法模仿的人类优势——因为 AI 缺乏真正的理解力与直觉。
前端开发本就包含大量“粘合剂”工作：整合 API、微调设计、厘清模糊的产品需求……这些都是“高度依赖人类判断的问题”，需要“由人类操作者来驱动”，正如 Ofer LaOr 强调的。
举例来说，一位典型的高级前端开发者，可能会接到一个设计师画出的“不可能实现”的 Figma 设计稿，然后在技术约束与用户体验之间来回斡旋，反复打磨，使其真正可落地。这种在“理想设计”和“现实实现”之间的微妙博弈，是当前任何 AI 都无法胜任的。
展望未来，也许初级开发者，甚至非开发人员，能借助 AI 生成 UI 组件。但真正能把这些组件编排成一个结构清晰、性能可靠、体验良好的应用系统的人，依然是那些具备判断力与架构能力的高级前端开发者。
如何应对AI
那么，前端开发者应如何应对这个变化中的市场？
首先，要拥抱 AI 工具，而不是回避它们。正如 Valdarrama 建议的那样，“尽可能多地学习 AI，并了解如何使用它来写出更好的代码。” 那些将 JavaScript 或移动框架技能与提示工程（prompt engineering）能力结合的开发者，将远远领先于那些坚持手动编码的人。从实际层面来看，这意味着可以在开发过程中使用 Copilot，在编辑器中集成大语言模型（LLM）以快速修复问题，或借助 AI 生成初步的 UI 草图，然后进行人工优化。
第二，要专注于 AI 无法自动化的基本功。这包括对用户体验设计、可访问性、性能调优和架构原则的理解。AI 可能会为你生成一个导航菜单，但是否具有良好的用户体验、是否符合网站的性能预算，还得由你来决定。提升与设计师协作的能力也至关重要。能够与设计师“对话”（甚至使用 AI 设计工具）的前端开发者，将在把视觉转化为现实的过程中具有极高价值。我们已经看到前端岗位的招聘要求从“前端开发者”演变为“前端架构师”。要积极拥抱这种转变。
第三，要培养对 AI 输出的“批判性眼光”。把每一个 AI 提议当作起点，而不是最终答案。对于初级开发者来说，这意味着不能跳过正确的编码实践、测试和调试的学习。事实上，初级开发者如今可能需要更快地学习：那些过去作为入门练习的基础任务（例如把 PSD 切图成 HTML 或接简单表单）如今可能会被 AI 完成，因此你将更早面对审查与优化 AI 生成代码的挑战。寻求导师指导和代码审查，加快你识别错误的能力。承担那些验证和打磨 AI 代码的基础性工作——那正是你可以提升 AI 无法胜任的技能的地方。
最后，要对前端开发的未来方向保持开放心态。这个领域很可能将变得更加跨学科。现在已有“设计工程师”（designgineer）概念的兴起，这是一类由 AI 工具赋能的设计师与工程师的混合体。我们看到一些非传统开发者通过语音或可视化工具创建网站。这种前端创作的民主化，并不意味着你的专业能力变得不重要了，反而意味着你可能会带领更大的创作者群体（包括 AI）共同实现创意。你的角色可能将更多地转向组件整合、编写高层逻辑以及把控质量。前端开发的市场并没有萎缩，而是岗位定义正在变得更加广泛。在 AI 翻译器、协作工具和测试工具的帮助下，一个全球分布的开发者团队可以无缝协作。
实际上，全球开发者的池子正在扩大，而你作为个体，也比以往任何时候都有更多机会去构建有影响力的产品——前提是你愿意保持适应力。
