前端第二年,我被AI追着跑

15 阅读9分钟

一、写在前面

深夜十一点半,我关掉IDE,切到浏览器,习惯性地刷了一眼技术社区。首页飘着一条帖子:“组里刚来的实习生,用Cursor一天干完了我上周排期三天的活。”底下评论区一片“正常”“我们组也这样”。

我关掉页面,对着黑掉的屏幕坐了一会儿,心里种种滋味交织。

我在某大厂做前端,。过去半年,组里对“用AI干活”的态度,从观望变成了默认。不是说有人下了命令,而是你慢慢发现:评审时没人再夸“这个组件手写得真干净”,取而代之的是“这块为什么不让AI先出一版”;排期会上,一个中等复杂度的需求,给的时间越来越短,默认的潜台词是“AI能兜住一部分”。最操蛋的是,上周leader刚说:现在还没有gpt账号的人,真的不应该了。

我写这篇文章,不是因为我想通了什么。恰恰相反,是那天晚上我没想通。

二、数据没办法让我忽略

迷茫的时候,人会本能地去翻数据,想找一个“其实没那么严重”的证据,来欺骗自己“时代还没变”“没那么快到我”。但我翻到的数字,没有给我这种安慰。

Sonar的《State of Code》开发者调查(2026年1月发布,样本量1,149名专业开发者)显示,84%的开发者已经在日常工作中使用AI编码工具,其中82%的人每天都在用。中文技术社区在转引时,普遍把这个群体直接等同于“Web开发者”,但原始报告的对象口径更宽。无论怎么框定,一个事实是清楚的:AI编码工具已经从“尝鲜”变成了团队要求。。可能还不给你token。

再看招聘端。match.dev在2026年9月分析了179家科技公司的4,820个公开工程岗位,发现20%的岗位在JD中明确提到了“候选人需使用AI编码工具”,其中一半(10.1%)是硬性要求(Required),另一半是偏好或团队工作方式的描述。再看国内BOSS直聘,应届生直接没岗,想当年我0实习都能随便约面。。。

不行看看好一点的吧,具备AI能力的复合型前端工程师,平均薪资较传统岗位高出52%,都是30k起;在高级前端岗位的JD中,“AI工具链整合能力”的提及率达到82%,而“框架熟练度”只占17%。BOSS直聘的《2026人才趋势报告》也提到,AI相关岗位月均新发职位数同比增长74%,需求正在从“模型/算法”外溢到“Agent产品化、AI应用工程化、AI-native前端体验”。

行吧。。那就看看agent开发或者工程化?

三、我开始反思,什么样的牌能够继续打

第一张牌:出海产品的业务理解。 我在一个面向海外市场的产品线上待了差不多一年。这件事听起来虚,但落到工作里很具体。比如有一次做一个涉及支付流程的模块,AI生成的版本在技术逻辑上完全跑得通,所有测试用例都过了。但我知道某个目标市场的用户对某类确认弹窗的信任度极低,一个多余的二次跳转就可能让转化掉一截。我把那个“技术上正确”的流程改了。AI能写出符合规范的代码,但它不知道那个地区的用户看到某种UI模式时会下意识关掉页面。业务理解不是知道“做什么功能”,是知道“在这个地方、对这群人,什么不能做”。这个理解为啥重要呢,因为现在大多数人直接让AI生成代码,懒得背锅,不背也行,就怕你没办法在下一次面试中讲明白这个业务。。。

第二张牌:跨端架构经验。 我参与过一些跨端项目。跨端的复杂度不在于写界面,在于你知道什么该放在JS层、什么必须交给原生、一次桥接调用的延迟在什么场景下会变成用户可感知的卡顿。有一次一个列表页在Android上滚动帧率不稳,AI给出的方案是加虚拟列表,方向没错,但它没有意识到问题出在某一类原生组件的回收时机上。这种判断,没有在真机上踩过坑,写不进prompt里。

第三张牌:已经是AI agent的使用者。 我不是“准备学AI”的人。我每天的工作流里,Codex和Claude Code是默认打开的工具。但“使用”和“依赖”是两回事。我现在的习惯是:让AI先出一个方案,然后我花时间做的第一件事不是接受它,而是找它的假设。有一次让AI重构一个状态管理模块,它给出的方案干净、简洁、符合它见过的所有“最佳实践”。但我读完之后问了一个问题:如果这个页面的某个子区域需要在不触发全局重渲染的情况下独立更新,你这个方案还成立吗?不成立。AI优化的是“写出看起来对的代码”,而架构判断负责的是“这个对,在你的系统里是不是真的对”。

第四张牌:独立开发的发布节奏。 我在业余做一点自己的小东西,节奏很慢,但有一条规则:每两周必须有一个可被外部感知的产出,不管多小。可能是一个能用的页面,可能是一篇发布记录,可能是一个让某个流程少点两下的改动。这张牌的意义不在于副业本身,在于它逼着我完整地走“判断—构建—发布—收反馈”的闭环。工作中你只负责链条的一段,独立开发里你没法把判断外包给任何人,或者AI。

费曼检验在这里是残酷但有用的:如果一张牌我讲不出一个具体的、我亲自做的决策,那它就不算牌。上面四张里,第三张一度差点被我划掉——因为“会用AI工具”本身不构成优势,会用的人太多了。直到我能说清楚“我在什么情况下否决了AI的方案、为什么”,它才重新留在桌上。

四、死磕什么技术

我曾经列过一个“要补的技术清单”,后来发现里面一大半是AI越来越擅长的东西。重新排了一遍,变成这样:

别磕了(跟AI磨,你输)改磕这些(AI的盲区)
框架新版本的API变化、CSS新特性的边角用法产品判断:做什么、为什么做、对谁做
手写组件的肌肉记忆和熟练度架构与复杂状态设计:在约束下做取舍
敲码速度、代码量AI应用工程:把LLM嵌进真实产品,处理延迟、失败、上下文边界
对“标准答案”的追逐发布能力:让一个东西完整地到达用户,并接住反馈

“发布能力”这一条,我越想越觉得被低估了。AI可以生成一个功能模块,但它不负责这个模块上线之后在真实流量下的表现,不负责它和遗留系统的摩擦,不负责用户第一次看到它时的困惑。从“代码能跑”到“东西能用”,中间是一段漫长的、充满非技术判断的隧道。这段隧道,是目前AI最不擅长的部分,也是一个人可以持续积累复利的地方。阮一峰大佬也说过,程序员的工作重点将移到代码以外的其他环节:如何用软件解决业务问题、了解软件如何实现、如何发布软件、如何收集反馈等等。 www.ruanyifeng.com/blog/2026/1…

五、关于迷茫本身

我是典型的三分钟热度:兴致来了可以连续两周熬夜学一个新东西,计划表排得密密麻麻;然后第一个负面信号一来——面试被拒、同行晒更高的包、一篇“XX已死”——热情就像扎破的气球,悄无声息地瘪掉。过阵子再换个方向,重新开局。这个循环我跑过不止一次。

那晚的迷茫不是新东西,就是这个旧模式的又一次触发。我想“赶紧想清楚接下来做什么”,另一个声音说:你每一次“想清楚”的结论,都在第一个负面信号面前碎掉过,凭什么这次不一样?

所以我只定了一条规则:迷茫不靠想清楚消除,靠数据。 四个月,不换赛道,每周只记三样东西:AI 这周帮我省了什么时间;省下的时间去哪了;我做了一个什么 AI 做不了的判断。四个月后拿记录回答一个问题:我在哪个环节判断力在变厚,哪个环节只是在重复。

四个月不长,但够把“我是不是在混”从一种情绪,变成一个数据能回答的问题。三分钟热度的人最大的毛病,恰恰是从来不给任何跑道足够的时间产出数据,就在情绪的第一个峰谷里做了决定。

六、结语

真正危险的姿势,不是在AI面前暂时落后,是在焦虑里把赛道换来换去换满五年,每一次都停在判断力长出来之前。

我手里的牌不算好,但每一张都能讲出一个具体的、我亲自做过的事。这比“我打算学”要踏实。

我已经听腻了XX已死这种论调,下一篇,我想聊聊我们可以去往何处