月亮有石头

本文探讨了大语言模型（LLM）在前端与后端开发中的应用与取代可能性。虽然AI可以自动化前端中的标准化任务（如UI布局生成、代码补全），而后端开发中的结构化任务如API设计、数据库优化更容易被AI取代

当 AI 能写代码后，真正的挑战不再是 prompt，而是工程治理。本文提出用 AGENTS.md 将工程规范前置为可审计、可复用的资产，并给出一个跨工具的最小实践 playbook。

大家在做项目的时候会发现一个问题：UI 的复杂度，往往并不来自页面本身，而是来自规则、分类和变化本身 一开始我用组件 + 模板去堆这些复杂的页面。但随着业务不断扩展，类型越来越多、规则越来越细，模板开

上个月，我刚过完30岁生日。 没有办派对，就和家人简单吃了顿饭。但在吹蜡烛的那个瞬间，我还是恍惚了一下。 30岁，对于一个干了8年的前端来说，到底意味着什么？ 前几天，我在做团队下半年的规划，看着表格

会让 AI 写代码，并不等于真正入门。本文从工程视角拆解前端开发者使用 AI 的能力层级，指出只有将 AI 纳入工程链路，用上下文、规格与验证闭环对抗幻觉，才能实现稳定、可回归的工程化交付。

从前端工程全流程出发，系统拆解 AI 在各环节的能力与边界，提出以 Spec 驱动、工程链路兜底的使用范式，帮助团队安全、可规模化地引入 AI。

结合工程实践，提出一种更稳妥的方式：通过 Template + Spec + Generator，把 AI 的不确定性纳入工程流程，实现可审计、可回滚、可规模化的中后台页面开发，并给出一条可进化的实践

从一个常见的“子表单校验 + 组装 payload”示例出发，对比了初级（面条式写死）、中级（按模块抽工具函数）、高级（模板方法 + 策略的通用 getPayload），到架构阶段的演进过程。

.sync 则通过约定事件 update:propName，让子组件可上抛修改意图，由父组件执行更新，从而在不破坏单向数据流的前提下实现“受控同步”。它统一了父子通信模式，简化代码，保持数据流向清晰。