重新认识前端工程架构:AI 编程对传统前端工程的影响

0 阅读10分钟

重新认识前端工程架构:AI 编程对传统前端工程的影响

一、前言

随着 AI 编程工具的快速发展,前端开发的工作方式正在发生明显变化。

从最初的代码补全、函数生成,到现在能够根据需求生成页面、组件、接口逻辑,甚至参与整个项目的开发。AI 正在逐步降低代码实现的门槛,也让开发者能够以更快的速度完成过去需要大量时间才能实现的功能。

但与此同时,我也开始思考一个问题:

当代码越来越容易生成时,一个前端项目真正的难点还在哪里?

在实际项目开发中,我们经常会遇到这样的情况:

  • 相同的功能在不同业务页面中重复实现。
  • 公共组件与业务组件的职责逐渐混乱。
  • 接口请求、全局状态、WebSocket 等缺少统一管理。
  • 不同开发人员编写的代码风格和组织方式存在差异。
  • 随着业务不断增加,模块之间的依赖关系越来越复杂。
  • AI 生成的代码能够正常运行,但未必符合现有项目的整体设计。

这些问题并不会因为 AI 能够生成代码而自然消失,甚至在代码生成速度越来越快的情况下,可能会进一步放大。

因此,我认为有必要重新认识前端工程架构的价值。

二、传统前端工程架构解决的是什么问题?

在传统开发模式下,前端工程架构主要围绕代码组织、功能复用、模块解耦和项目维护展开。

一个项目从最初的几个页面,逐渐发展为包含多个业务模块、公共组件、接口服务和全局状态的复杂应用时,如果缺少合理的工程设计,代码就很容易出现混乱。

例如:

  1. 代码组织: 如何划分目录结构,区分公共资源、业务模块和基础设施?
  2. 模块边界: 哪些功能应该独立封装,哪些功能应该归属于具体业务?
  3. 依赖关系: 如何避免模块之间相互引用,形成复杂的依赖关系?
  4. 公共能力: 如何统一管理接口请求、路由、状态、工具函数和公共组件?
  5. 维护规范: 如何保证不同人员参与开发时,项目仍然具有一致的组织方式?

这些问题构成了传统前端工程架构的基础。

从本质上来说,工程架构并不是简单地设计目录结构,也不是为了使用更多设计模式,而是为了让项目在持续迭代过程中,依然具备清晰的组织关系和可维护性。

三、AI 编程给传统前端工程带来了哪些变化?

我认为,AI 编程并没有改变软件工程的基本规律,但它正在改变工程架构中一些问题的优先级。

1. 代码实现成本降低,工程组织的重要性提高

过去,开发人员需要花费大量时间编写业务代码,代码复用和功能封装能够直接减少重复劳动。

现在,AI 可以快速生成相似功能,甚至可以根据已有代码模仿项目的实现方式。

这似乎降低了公共组件和工具函数的价值,但实际上并不是这样。

因为代码生成解决的是实现效率,而工程组织解决的是代码应该放在哪里、由谁负责、依赖什么,以及后续如何维护。

如果没有明确的模块边界,AI 很容易根据当前需求生成一套局部合理、整体混乱的代码。

因此,未来工程架构的重点可能不再只是减少重复编码,而是让生成的代码能够符合项目整体的设计约束。

2. 开发速度提高,但代码质量更加依赖工程约束

AI 能够快速生成代码,但不同模型、不同提示词以及不同上下文,可能产生完全不同的实现方案。

例如,同样是一个接口请求:

  • 有的代码直接在页面中调用 Axios。
  • 有的代码封装在业务模块中。
  • 有的代码通过统一的请求服务进行管理。
  • 有的代码还会自行处理 Token、异常和重试逻辑。

单独来看,这些代码可能都能够正常运行,但如果同时存在于一个项目中,就会形成不同的实现标准。

这意味着,项目需要更加明确的工程约束:

  • 统一的代码组织方式。
  • 明确的模块职责。
  • 统一的接口调用规范。
  • 清晰的组件封装规则。
  • 可识别的依赖关系。
  • 必要的代码检查和测试机制。

AI 可以遵循这些规范,但前提是我们首先要把规范设计清楚。

3. 模块化设计从代码复用转向上下文管理

传统模块化设计更多关注功能拆分、代码复用和职责分离。

而在 AI 编程场景中,我认为还需要增加一个新的考虑因素:上下文边界。

当一个项目规模越来越大时,如果将所有业务代码、组件逻辑和工程规范都交给 AI 一次性理解,不仅会增加上下文负担,也容易让模型在修改代码时影响不相关的模块。

如果我们能够将项目拆分为职责清晰的模块,并明确模块的输入、输出和依赖关系,就可以让 AI 更容易理解局部业务。

例如:

  • 用户模块只负责用户相关业务。
  • 权限模块统一提供权限判断能力。
  • 接口模块负责请求封装和数据交互。
  • WebSocket 模块负责实时连接和消息分发。
  • 公共组件模块负责通用交互能力。

这种设计不仅方便人工维护,也更适合 AI 按照明确的模块职责进行开发和修改。

4. 工程架构需要考虑人机协作,而不只是开发人员协作

过去,我们设计工程规范,主要是为了让不同开发人员能够按照统一的方式参与项目。

现在,AI 也成为了项目开发的参与者。

因此,工程规范需要让人和 AI 都能够理解。

例如:

  • 目录结构需要具有明确的业务含义。
  • 模块职责需要有清晰的说明。
  • 公共方法需要明确参数和返回值。
  • 复杂业务需要提供必要的上下文文档。
  • 修改代码时需要明确影响范围。
  • 关键模块需要有测试和验证机制。

这也意味着,项目文档不应该只是交付材料,而应该逐渐成为 AI 理解项目、执行开发任务的重要依据。

四、AI 时代,前端工程架构应该关注什么?

结合自己目前参与的项目,以及对 AI 编程的一些理解,我认为未来的前端工程架构至少需要关注以下几个方面。

第一,清晰的工程结构。

无论项目使用 Vue 还是 React,都应该有明确的目录组织、模块划分和职责边界。

第二,合理的模块依赖。

尽量避免业务模块之间形成复杂的相互依赖,让模块能够独立开发、修改和维护。

第三,统一的基础设施。

接口请求、身份认证、路由、全局状态、WebSocket、静态资源等基础能力,需要有统一的管理方式。

第四,明确的工程规范。

不仅需要约束人工开发,也需要让 AI 能够理解和遵循项目现有的代码规范。

第五,可验证的工程质量。

AI 生成的代码不能仅仅以能够运行作为标准,还需要通过类型检查、代码检查、测试和必要的人工审查,保证代码修改符合项目预期。

第六,面向业务的架构设计。

架构不能脱离实际业务需求。没有必要为了追求技术上的完整性,引入复杂的微前端、插件化或者过度抽象。

真正有价值的架构,是能够解决当前项目实际问题,并为未来合理的业务变化预留空间。

五、个人思考:AI 不会让工程架构失去价值,反而会改变它的价值

我并不认为 AI 编程会让传统前端工程架构失去意义。

相反,当代码实现越来越简单时,项目整体设计的重要性可能会更加突出。

过去,一个开发人员可能需要花费大量时间研究如何实现一个功能。

现在,AI 可以帮助我们快速完成实现,但我们仍然需要判断:

  • 这个功能应该属于哪个模块?
  • 是否需要抽象为公共能力?
  • 会不会影响现有业务?
  • 是否存在更合理的实现方式?
  • 后续业务扩展时,当前设计是否还能支撑?

这些问题并不是单纯通过生成代码就能够解决的。

我认为,AI 时代前端工程师的能力需要逐渐从单纯的代码实现,向业务理解、工程设计、技术选型和质量控制延伸。

当然,这并不意味着每个项目都需要一套复杂的架构,也不意味着所有代码都应该提前抽象。

架构设计始终需要结合项目规模、业务复杂度、团队协作方式和实际维护成本进行权衡。

工程架构不是为了让项目看起来更加复杂,而是为了让项目在复杂度不断增加时,依然能够保持清晰。

六、专栏后续规划

本专栏计划结合自己比较熟悉的企业级 SaaS 项目,从前端工程视角出发,尝试重新梳理 AI 时代的前端工程架构设计。

后续将围绕以下几个方向展开:

  1. 工程基础:项目结构、模块划分、依赖管理与工程规范。
  2. 基础设施:接口封装、身份认证、全局状态、WebSocket 与静态资源管理。
  3. 业务架构:路由组织、业务模块、公共组件与差异化功能。
  4. 样式与交互:CSS 隔离、主题管理、UI 组件体系与动态交互。
  5. AI 工程协作:项目上下文、代码规范、任务拆分、代码修改与质量验证。
  6. 架构演进:项目重构、模块解耦、性能优化与持续迭代。

以上内容更多是基于个人项目实践和学习过程中的一些思考,并不作为一套统一的工程架构标准。

不同项目的业务需求、团队规模和技术条件都不一样,适合自己的架构才是有价值的架构。

由于个人经验和认知有限,文章中难免存在考虑不全面或者理解不到位的地方,也欢迎有经验的开发者和架构师补充、指正,一起讨论 AI 时代前端工程架构的更多可能性。