这篇文章发布于 2026年07月16日，星期四，7:16 下午，归类于 散文随笔。 阅读 52 次, 今日 48 次

团队运行了十多年的前端双周分享，还有每周前端小测从今年下半年开始停止运作了，心中唏嘘不已。

一、为何停止运作？

还能为啥，没人参与了呗！

那为什么没人参与呢？

最直接的原因就是AI太强了，大家对这种低效又痛苦的学习方式已经没了兴趣。

这种心理很好理解，我哼次哼次辛辛苦苦学了这些技术点，回过头一看，很AI相比，连个脚趾头都比不上，道心直接破碎，还学个毛线！

当然，这个世界上事情的发生往往不是某一个单一原因造成的。

就好像每年都有学生做出感受地心引力的极端举动，其背后的原因都是长期累积而成的。

在分享与培训这件事上也是类似的。

我觉得还有以下这些原因：

1. 组织结构变化

团队数年前经历过从中心打散到各条业务线的过程。

大家的工位不再聚在一起，分散在各个楼层，物理上的远离必然会导致心理上的远离。

所以，整个团队的凝聚力也随着时间的流逝慢慢变低。

无论是双周分享还是小测都属于非强制的，一旦团队的归属感弱了，这方面参与的积极性也自然也就不高了。

2. 行业发展停滞

前端这个行业肉眼可见的进入了衰退期，离开这个行业的人明显比入行的人多。

整个互联网行业也进入存量竞争时代，以前的那种高速发展怕是再也不会出现了。

如果所在的行业蒸蒸日上，身在行业中的人的干劲与精神面貌自然也就不一样，对于学习的热情也自然更加高涨，毕竟自我成长与更加光明的前途之间有着明显的正相关性。

可一旦行业发展停滞，甚至衰退，付出大量时间与精力的学习能否带来明显的收益，这种事情所有人在心中都会打上问号。

信心的缺失必然导致动力的缺失。

二、专业学习到此结束了吗？

所以，传统的专业学习路径到此结束了吗？

是的，结束了！

除非：

• 准备入行的在校学生和刚刚入行一两年的新人。
• 打算走纯专业路线的从业人员。

以上两类人群还是需要系统学习专业技术，打好基础。

但是对于大部分以完成业务开发需求为目的的大多数前端从业人员，上面的学习路径结束了，果断放弃，没必要在上面浪费时间了。

三、新时代的技能提升方向

如果我们的目的是更好地完成需求，而完成需求的质量与专业能力的相关性没那么大，自然也就不需要花费太多的时间在专业能力的提升上。

注意，我说的是不需要花费时间在专业能力的提升，而不是放弃学习，放弃成长。

身在职场，面对竞争，无论何时，学习都是不能停的，只是学习的方向和重心需要变化。

那究竟有哪些变化呢？

以下就是自己的一些思考，不一定准确，欢迎交流。

1. 学习重心从算法、API语法转向顶层决策与AI调度能力

不要再去刷算法题了，没有任何作用，百分之一万浪费时间。

因为算法都是固定的，颠来倒去就那些，对于无需创新的套路化的编码，AI是无懈可击的，和AI比算法，必败无疑，没有任何学习的必要。

也不用去了解API具体的语法了。

我们需要知道有这些API，可以实现怎样的功能，但是，无需再花具体的时间去学习这些API具体的名称，参数是什么，有哪些细节了。

这个过程其实之前我经历过类似的。

作为上古老登前端，我刚开始入行的时候，那时候的前端编辑器还是Adobe Dreamweaver，其代码提示的能力是相当弱鸡的。

这就导致作为前端从业人员，需要对API的名称了然于心，不然编码效率会很低下。

后来是 Sublime Text，再后来是VS Code，可以通过安装插件的方式实现超全面的代码提示能力。

此时，能够手写API名称就不是非常必要的技能了，只需要知道API名称那几个关键字就可以了。

比方说在DOM元素的前面插入一段HTML，只需要输入 insert，此时 insertAdjacentHTML 这个API就会出现，然后输入对应的参数，就能实现想要的功能了。

如今，进一步进化，无需知晓insertAdjacentHTML的语法和参数，甚至不需要知道有insertAdjacentHTML这个API都没关系，直接让AI模型执行功能即可。

这就是工具的发展带来的从业人员学习与技能掌握方式的变化：

需要熟知甚至手写API（上古时代）→ 只需要知道API大概名称，但需要熟知语法（近代）→ 只需要有这么个API，无需关心语法（现在）

AI 时代的转变

如今这个时代，有限的精力不再值得花费在基础语法、模板代码、源码分析上，而是应该花在高价值的能力上：

1. 提示工程（Prompt）：学会精准约束 AI，输出符合业务规范、无障碍、性能达标的代码；
2. 代码审核能力：快速识别 AI 代码缺陷（语义化缺失、内存泄漏、兼容性漏洞、WCAG 不达标、幻觉逻辑）；
3. 架构与系统设计：AI 只能实现单个组件，无法规划全局数据流、组件分层、工程规范、缓存策略；
4. 需求拆解翻译：把模糊业务话术，拆成 AI 能执行、无歧义的技术任务，弥补 AI 不懂真实用户痛点的短板。

以上4个能力，大家看完是不是心中还是有错触动的，至少是认同的，对不对？

但是，我接下来要泼冷水，对于大多数前端从业者，唯一能够做得还不错的就是上面的第一条——提示工程，至于后面的审核、架构、拆解与分析能力，还是优秀前端的专属，不是你花时间和精力就学得来的。

这其实就有点像打游戏，看起来人人都能玩，但最后你看那些玩得好的，还是那些聪明的人。

当我们这个行业进入人工智能时代，同样如此。

同样是使用AI进行生产开发，看起来人人都能上手人人都能玩，但门槛降低并不表示你这次又行了。

就比方说“代码审核能力”这一条，你觉得如何才能有勘破AI不足的审核能力？是不是需要有夯实的前端专业能力保底？

如果你是一个半吊子的前端，面对AI生成的代码，审核？别开玩笑了，审个屁，100%无脑accept！要是跑出bug，再让AI去修，至于修复这个bug引入了多少额外冗余又低效的代码，天知地知，唯独你不知。

还有那规划、拆解与架构能力，说句实话，在我看来，这东西80%就是天生的，不是靠后天培养就能培养出来的。

所以，在如今这个人人都能AI编程的时代，前端从业人员的差距究竟是拉近了呢，还是拉得更开了呢？我觉得反而是后者。

2. 单一岗位技能转为全栈发展

眼下，行业内隐约可见一种趋势，那就是弱化所谓的前端和后端之分，统一为一个岗位，端开发。

因为 AI 降低了跨领域学习门槛，前端可以借助AI快速上手后端开发，后端也能接管前端开发的活计。

只是，这种跨领域学习还是有一个极限的，那就是视觉与体验系的前端开发目前是无法被后端全栈化的，但是偏工程应用的前端开发和后端是可以统一融合的。

因为目前的 AI 还无法感知真实用户情绪、交互细节、人文体验，而对应的技术也往往灵活多变，不是那种固定的逻辑开发，对于后端人员而言，等于直接跨行了。

如果你原本的工作职责就是页面开发，调样式，调排版，做动画，重交互的那种，那么我觉得AI的出现对这些前端是极为友好的，可以快速往高壁垒细分领域发展。

首当其中就是偏中台、偏工具类的前端开发，这类需求对视觉要求不高、重功能实现，正是AI所擅长的，可以快速接入。

再然后就是Node.js开发，同为javascript语言，没有道理不去学习。

再然后是 WebGL/3D 可视化、音视频、复杂动画 GSAP、无障碍 WCAG、前端性能底层优化、跨端引擎、端侧 LLM 部署；这类领域存在大量边界场景、底层原理，AI 难以产出稳定可用方案，是不可替代的核心竞争力。

这就是AI时代前端全面发展，提升竞争力的很好的路径。

当然，无论是前端还是后端，再眼下这个时代，都必须新增 AI 原生技能分支的学习，包括：

Agent 编排、RAG 知识库搭建、前端调用大模型、Function Calling、私有组件库 RAG 注入，学会定制专属 AI 开发智能体，让 AI 适配团队业务规范等。

总而言之，不要盯着眼前的一亩三分地，要想办法好好利用AI这个工具，提高自己的技术栈的广度，让自己成为多面手。

毕竟，大多数的公司都是中小企业，最喜欢那种从前到后都能Cover住需求的开发人员，有了全栈的能力，无论行业如何动荡，总归会有个让你吃饭的地方的。

当然，每个人的追求和际遇都不一样，若是你希望通过保持专注打破AI墙，成为某个专业领域方向的翘楚，并对自己的能力保持自信，那就按照自己心中的想法前行即可。

3. 理论转底层原理、实战转AI协同

几乎可以判定，以后的面试考察，不会再关心那些框架和工具如何使用、也不会考察 UI 组件库的用法，会更看重对前端底层原理的理解。

比方说虚拟 DOM、渲染流程、事件循环、浏览器渲染管线、内存回收、CSS 渲染原理、打包工具底层、网络性能、安全 XSS/CSRF、无障碍规范等。

以便可以评判AI生成代码质量，出现线上故障时候能够快速定位根源所在。

以前很多新人的学习方式是看书、看掘金 / MDN 教程、跟着视频手写案例，靠自己排查错误巩固知识。

如今逻辑变了，需要人肉学习的是原理，而先前推崇的案例+实战的学习方法则需要完全转为AI 生产 + 人工重构，也就是不再从零搭建项目，而是让 AI 生成半成品，自己完成架构重构、细节打磨、缺陷修复、规范统一，在纠错过程中吃透底层问题。

对了，还有一点值得一提，那就是私有知识库学习。

把公司组件库、业务规范、历史踩坑文档注入 AI RAG，针对性学习团队内部沉淀的独有经验，这是极有价值的事情。

或者说得更功利点，搭建内部的AI私有知识库，可以快速产出专业绩效，对晋升有帮助，毕竟，内部的经验和知识都是外面没有的，独一无二的，对团队多有裨益。

4. 有可能会出现专门的AI工程治理岗位

如果团队足够大，大家又都使用AI，此时，很可能会衍生出一个全新的岗位，我们不妨称为“AI工程管控工程师”。

工作职责是：

• AI 研发规范体系搭建（源头约束，避免 AI 乱生成代码）；
• 企业私有 AI 知识库（RAG）建设与运营；
• AI 代码全链路自动化管控流水线（CI/CD 集成护栏）；
• AI 研发安全、数据合规与风险管控；
• 团队 AI 效能度量、数据分析与持续优化；
• 团队 AI 赋能、工具落地与技术培训。

其实很多团队已经有人在做类似的事情了，比方说第一个，AI研发体系规范，我相信已经有不少团队已经在生产环节实践了。

比方说：

1. 制定团队人机协同开发标准，编写项目级 AI 约束规则文件（.cursorrules / CLAUDE.md / agents.md），明确技术栈、TS 类型强制、组件分层、无障碍 WCAG、性能基线、禁用 API、禁区目录（支付 / 鉴权核心模块禁止 AI 全权生成）。
2. 沉淀标准化提示词资产库：分场景封装提示模板（页面组件、接口、单元测试、文档、性能优化），版本化管理、按业务线分发，统一团队 AI 输出风格，减少每个人自定义 prompt 的混乱。
3. 建立需求转 AI 任务标准化流程：设计结构化需求模板（Spec 文档），规范业务边界、非功能指标（性能、兼容性、安全），避免模糊需求喂给 AI 生成大量无效、返工代码。
4. 区分 AI 执行边界与人类决策边界：定义哪些工作交给 AI（CRUD、基础组件、单测、注释）、哪些必须人工主导（架构设计、核心业务逻辑、跨模块联动、线上故障修复）。

不过，关于上面这些东西，我个人也只是停留在理论层面，也就不班门弄斧，继续展开了。

四、就先念叨这么多吧

时代发展，行业巨变。

不仅个人会变，社区也会变，我觉得以后前端技术社区会变得更加两级分化，一方面新手入门门槛降低，另一方面深度交流门槛抬高，至于具体细节，篇幅原因，这里我就不展开了。

总之，就个人成长而言，核心逻辑已经发展了变化：

要从 “学会写代码” 变成学会指挥、校验、优化 AI 产出，底层原理、复合能力、体验审美是唯一护城河。

与时俱进，大浪淘沙，持续学习，拥抱变化，共勉！

对了，差点忘了，团队内的每周小测对外开源了，有兴趣的可以访问这里参与作答：
https://github.com/zhangxinxu/quiz/issues