“前端已死”是危言聳聽嗎？

作者 | QCon 全球軟體開發大會

策劃 | 燕珊

編輯｜宇琪

隨著網際網路技術的快速發展，大前端領域正經歷著前所未有的變革。從傳統的 Web 開發到移動應用、小程式、IoT、乃至新興的 AR/VR，大前端技術不僅需要適應越來越多樣化的需求場景，還面臨著如何更高效地利用現有資源、提升使用者體驗等挑戰。那麼，前端開發的本質變了嗎？“AI 代替前端”是危言聳聽嗎？

近日 InfoQ《極客有約》X QCon 直播欄目特別邀請了淘天集團 1688 終端架構負責人曹立成（蒜蓉）擔任主持人，和快手基礎架構中心負責人周全、菜鳥網路資深技術專家唐爽 一起，在 QCon 全球軟體開發大會2025 北京站 即將召開之際，共同探討前端在 AI 時代下的生存法則。

部分精彩觀點如下：

會 AI 不一定讓你不被淘汰，但是不會 AI 早晚會被淘汰。AI 不會淘汰你，把 AI 用好的人可能會淘汰你，淘汰你的從來都是人。
全棧化改革的目標是減少中間的協同成本，讓一個開發者能完成更多工，同時將更專業的人才放在更需要專業技能的崗位上
AI 對前端領域的衝擊，實際上對有經驗的資深開發者是一個利好。
AI 目前還不是神，它仍然像一個 3 到 4 歲智力的孩子，我們需要為其提供更加細緻的指導，以確保其能有效工作。
雖然 AI 可以完成大量工作，甚至高達 80% 的工作量，但那剩下的 20% 才是最為關鍵的部分，而這正是我們人類的優勢所在。

在 4 月 10-12 日將於北京舉辦的 QCon 全球軟體開發大會上，我們特別設定了【越挫越勇的大前端】專題。該專題將深入探討大前端技術在當前及未來一段時間內的演進趨勢及其實踐案例，特別是在面對不斷變化的技術環境時，如何透過融合最新科技成果來推動大前端技術的進步。

檢視大會日程解鎖更多精彩內容：

https://qcon.infoq.cn/2025/beijing/track

以下內容基於直播速記整理，經 InfoQ 刪減。

完整直播回放可檢視：https://www.infoq.cn/video/IoNRKHcNaV3p0TPX2JFz

前端開發的本質發生了什麼變化

曹立成： 我們都知道，前端行業這兩年變化很大，AI 讓程式碼生成更容易，全棧化讓前端的邊界變得模糊，甚至很多人都在問：前端開發會被 AI 取代嗎？全棧是進化還是無奈？寫程式碼不重要了，關鍵是怎麼向 AI 提問，讓它產出更好？今天這場直播就是要直面這些扎心的問題！

我們先從一個最基礎的問題聊起——前端開發的核心問題變了嗎？過去，我們前端工程師天天研究怎麼寫程式碼、怎麼最佳化效能、怎麼造輪子。但現在，AI 工具越來越強。有人說：“前端已經不是如何寫程式碼的問題，而是怎麼結合 AI 快速產出的問題”，你們怎麼看？前端開發的本質真的變了嗎，有哪些痛點？

曹立成： 我認為現在前端與客戶端的邊界逐漸模糊，近年來“大前端”概念的興起和公司組織架構的調整都體現了這一點。儘管形式上有所變化，開發的本質並未改變。過去，前端領域常被稱為“娛樂圈”，充斥著各種框架和工具，甚至有一些開發者因此成為“小明星”。然而，近年來這種現象減少，行業更加關注技術的實際價值。許多大廠為了 KPI 推出的專案，往往只是製造輪子，未能解決根本問題。如今，行業更注重技術的實際應用。儘管輪子數量減少，但對工程師的技術要求卻提高了。經過多年的優勝劣汰，行業逐漸迴歸理性。許多框架和技術方案並未真正解決本質問題，開發的核心仍然在於程式碼本身。

AI 在前端開發中提供了一些輔助，例如低程式碼搭建和上層 UI 開發。然而，在中介軟體和底層開發領域，AI 的幫助有限。在底層程式碼的採納上，開發者仍持謹慎態度。前端開發不僅涉及 JavaScript，工具鏈複雜，邊界也在不斷拓寬。此外，前端還涵蓋 VR、AR 等混合現實技術，涉及圖形學、音影片處理等多學科知識。AI 在這些領域的輔助作用有限，儘管它可以取代一些初級工作，例如編寫簡單的 UI 元件。

從我個人的經驗來看，AI 在程式碼生成方面的採納率較低。去年，我的程式碼中 AI 生成的部分不到 10%。儘管 AI 能力增強，但它更適合作為提效工具，而非完全替代開發者。因此，無論是 Web 前端還是客戶端開發，開發者都應更加關注語言本質和效能問題，AI 無法解答程式碼在不同環境下的執行效率和記憶體消耗等具體問題。這些影響因素複雜多樣，仍是開發者需要關注的重點。

周全： 我認為這個問題有些危言聳聽，AI 帶來了量變，但尚未形成質變。舉個例子，團隊中常有新人或外包人員協助開發程式碼，他們能否完全替代正式開發者？顯然不能。程式碼仍需 review、質量檢測、自測和最佳化，這些環節離不開正式開發者的參與。AI 工具的作用與此類似，它可以幫助生成程式碼，但開發者仍需主導整個過程。

此外，我想問大家多久更新一次開發工具或效率工具？例如，終端工具、IDE、外掛等。過去多年，開發工具一直在迭代，從 Turbo C 到現代 IDE，再到各種外掛，效率工具從未停止進步。然而，從未有人質疑這些工具會取代開發者。使用新 IDE 提升 10% 的效率，並不意味著團隊可以裁員 10%。效率工具無法完全取代開發者，但它們是開發者必須掌握的技能，掌握這些工具可以顯著提升開發效率和競爭力。如果開發者連基本的工具更新都跟不上，那麼被淘汰是遲早的事，與 AI 無關。

AI 工具確實帶來了效率的提升，讓開發者能夠更快地輸出程式碼和理解需求，掌握 AI 工具的開發者將更具競爭力。因此，問題的核心不在於 AI 是否會取代前端開發，而在於開發者是否能夠適應技術進步。會 AI 不一定讓你不被淘汰，但是不會 AI 早晚會被淘汰。

唐爽： 前端開發的方式確實在不斷變化，但這種變化與 AI 關係不大，而是技術發展的自然結果。我剛開始工作時，還在解決 IE6、IE7 的問題，而現在前端技術的本質並未改變。前端始終是用技術解決業務端的問題，而不是單純依賴 JavaScript。業務端的問題涉及需求、體驗、效能、創新、埋點、資料視覺化等多個方面，這些都是前端崗位的核心。

AI 的出現確實減少了重複性程式碼的編寫，例如函式生成等任務，AI 比人類更快。然而，AI 生成的程式碼仍需人工評估，業務邏輯的調整和最佳化也離不開開發者的參與，因為只有開發者最清楚業務需求。AI 提升了編碼效率，但也帶來了新的挑戰。例如，AI 可能在專案中生成重複程式碼，如果沒有統一的架構和管控，專案腐化的速度可能會加快。因此，AI 並未降低對開發者的要求，反而要求開發者具備更高的經驗和能力，以確保專案的可持續維護性。

觀眾：AI 時代給前端開發帶來了哪些改變？有 AI 加持後，整個前端會往什麼方向發展？

周全： 大前端是最接近使用者的崗位之一，僅次於產品經理和運營。因此，前端開發者不僅需要專業能力，還需要較強的橫向能力和產品思維，以確保動效、使用者體驗和效能能夠滿足使用者需求。過去，移動端開發主要侷限於自身平臺，難以參與 AI 等新興領域，因為這些領域的技術門檻較高，通常需要專業背景，如神經網路和大資料。

然而，隨著 AI 技術的發展，尤其是大語言模型的出現，技術門檻顯著降低。前端開發者雖然不直接參與模型訓練或演算法設計，但可以在應用層接入 AI 能力，從而擴充套件開發範圍。這種變化使得前端開發者的優勢更加明顯，因為他們具備較強的產品能力和橫向能力。當 API 的使用變得簡單時，前端開發者能夠更快地將技術轉化為使用者價值和業務價值。此外，大前端帶有一定的全棧屬性。

過去，前端開發者若想涉足後端開發，可能需要學習 Python、SQL 等技術，學習成本較高。而現在，AI 工具可以快速解答技術問題，降低了學習門檻。這使得前端開發者能夠更高效地掌握後端、SRE 等領域的技術，從而提升綜合能力。

唐爽： 我贊同周老師的觀點，AI 時代為前端帶來了很好的機遇。過去由於技術和崗位的限制，前端工作主要集中在頁面設計和切面實現。現在，我認為前端崗位是最接近使用者的，因為我們非常熟悉產品的形態。

前端雖然不是資料的生產者，但卻是資料的第一消費者。雖然我們不是互動設計專家，但瞭解每個互動細節。藉助大模型工具如 Cursor、Copilot，開發效率大大提升，過去需要多人合作的工作現在可以由獨立開發者完成。有了大模型，許多以前依賴演算法的工作變得更容易，而我們熟悉產品介面的實現，可以將這兩者結合，完成過去無法做到的任務。

前端崗位將從程式碼實現者轉變為智慧體驗的架構師或設計師，這些變化使得我們可以將一些普適性和重複性的工作交給 AI 來完成，從而為我們創造更多時間去進行創新和探索例如，我們團隊一直在做低程式碼系統，菜鳥有一個叫“文生應用”的功能，它允許使用者透過自然語言描述所需的頁面，AI 就可以自動生成該頁面。這不僅僅是完成 UI 的設計，AI 還會自動生成元資料和後端資料結構，整個頁面可以直接上線並執行。這種系統是前端工程師實現的，展示了過去無法想象的可能性。

曹立成：我們發現 AI 確實能提高生產力，前端開發者的價值也正在改變，這也引出了我們的下一個問題——前端為什麼越來越全棧化？以前，我們可以做純前端，切頁面、寫元件、調介面，後端的事不管。但現在，有些公司招聘前端都要求懂一點後端，比如 Node.js、資料庫、微服務，甚至直接讓前端變成全棧開發。大家怎麼看，你們公司對前端的要求有什麼變化？

唐爽： 菜鳥在過去幾年一直在進行全棧化改革，主要將服務端開發人員培養為前端開發者，同時也讓部分前端開發者參與服務端的工作。現在，菜鳥沒有嚴格區分前端和後端崗位，而是更多地採用全棧開發模式，所有開發者都被稱為“開發工程師”。目前，約 80% 的頁面都是由全棧開發人員完成。這些開發人員既負責前端也負責後端，開發模式主要依賴低程式碼工具。透過低程式碼體系，原本從事 Java 開發的員工能夠快速上手前端工作，快速完成頁面開發。這一模式在菜鳥的業務背景下非常有效，尤其是我們 80% 的業務是面向 B 端的 PC 端，主要是各種管理系統。

前端開發的挑戰不在於技術複雜度，而在於與服務端的聯調。過去，前端與後端的協作往往會增加很多成本，特別是在頁面內容和資料處理上。菜鳥希望透過全棧開發，減少這些協同成本，讓一個人能負責前後端的開發。菜鳥的全棧化改革並不是讓開發者做簡單的 CRUD 頁面，而是讓他們能深入到業務邏輯的層面。前端開發者不僅要做頁面開發，也可以參與到業務需求和技術實現中，逐步轉向更復雜的工作，提升職業發展的深度。

低程式碼體系使得前端開發者可以快速適應並參與更多業務工作。同時，一些更復雜的頁面，像大屏展示、雙十一特殊頁面、消費者端和互動遊戲等，依然需要前端專家的參與。這些領域需要更高的前端專業能力，也為前端開發者提供了更多挑戰和機會。舉例來說，我們將傳統的 100 多個下拉框整合為一個智慧搜尋框，提升了 60% 的工作效率，這種創新是傳統需求接收和手工開發無法實現的。

全棧化改革的目標是減少中間的協同成本，讓一個開發者能完成更多工，同時將更專業的人才放在更需要專業技能的崗位上，這推動了菜鳥整個技術體系的不斷演進。然而，這也帶來一些挑戰，比如是否會因為全棧化而忽視前端專業性。雖然全棧化可以擴充套件開發者的技能廣度，但前端的專業能力依然重要。全棧化並不意味著放棄專業技能，而是將更多工整合，讓開發者在多個領域發揮作用。

周全： 全棧並不是一個新概念，每隔幾年就會被討論一次。我在 2014 年畢業時加入豆瓣，當時我們稱之為“產品開發工程師”，工程師不侷限於某一領域，而是為整個產品負責，哪裡需要就去做什麼。後來，隨著前端技術的成熟，全棧的概念逐漸興起。如今，全棧或大前端的概念如何理解，取決於個人以及所在組織對 ROI（投資回報率）的看法。

對於組織而言，小廠通常希望員工具備全棧能力，能夠應對各種問題。然而，大廠則更傾向於專業化分工，不需要員工跨領域填補空缺，而是希望每個人在自己的領域成為專家，發揮最大價值。這種專業化分工在過去一段時間內佔據主導地位，大前端的概念也因此被淡化。

然而，隨著效能的提升，全棧和大前端的概念再次被提及。首先，企業開始注重成本控制，不再無限制地招聘人員。例如，字節跳動等公司已經開始“去肥增瘦”，最佳化人員結構。其次，學習成本降低。藉助 AI 工具和現有技術，開發人員可以快速切換到其他領域。只要具備基本的研發思維和架構能力，換個語言或平臺的成本已經大大降低。AI 工具還能幫助開發人員快速識別和解決技術問題。第三，網際網路經過多年的發展，效能基建和分工已經相對成熟。一部分人繼續走專家路線，專注於高精尖領域；另一部分人則透過低程式碼等工具，專注於業務開發。例如，前端的低程式碼平臺和後端的 FaaS（函式即服務）讓業務開發變得更加簡單。開發人員只需關注業務邏輯，而不需要深入瞭解底層技術細節。這種分工模式使得業務開發人員的認知複雜度降低，他們只需關注最基本的邏輯即可完成開發任務。這種全棧崗位在成本和效能上達到了較好的平衡。

對於個人而言，是否選擇大前端路線取決於職業發展規劃。有些同學適合專注於某一領域，成為專家型開發人員，這部分人才在行業中依然稀缺。有些同學則橫向能力較強，藉助現有工具，可以在全棧領域創造更大價值。

曹立成： 不僅僅是前端開發，所有工種的價值都在發生變化，現在正處於一個大融合的階段，前端的要求也在變化。淘天集團正在將前端和客戶端合併，這與大前端的概念相似，都是在拓寬邊界，只是它拓寬的方向是前端和客戶端，而不是與服務端的融合。例如，當我們在 APP 裡展示 H5 頁面時，頁面的載入速度和使用者體驗不僅僅是前端或客戶端的問題，而是需要跨工種合作來解決。解決這個問題的方式要麼是團隊內有融合型的工種，要麼是資深開發者同時精通客戶端和前端，能獨立解決。

無論是業務團隊還是技術團隊，實際問題都是跨工種的。現在，團隊更多是圍繞問題和解決方案進行調整，而不是單純按工種來劃分。AI 對前端領域的衝擊，實際上對有經驗的資深開發者是一個利好。因為他們在某一領域已有深度，拓展其他領域的廣度成本較低，AI 可以幫助他們快速進入新領域解決問題。

曹立成：底層技術創新如何影響上層變革？

周全： 這是一個正向命題，底層技術的變革必然引發上層的調整。網際網路領域常提到的金字塔原理和第一性原理都表明，底層的變化會直接影響上層的開發模式、效率和交付方式。更關鍵的問題是，如何讓上層在底層技術變革時能夠放心、低成本地適應，並符合公司和團隊的價值導向。過去，前端領域曾出現大量重複造輪子的現象，不同團隊使用不同的技術棧，最終經過試錯才確定統一的技術選型。然而，如今團隊沒有足夠的時間、資金和人力去試錯，必須快速找到適合的技術方向，這對決策者提出了更高的要求。

當前的技術環境也發生了變化。過去，後端技術更新較慢，追求穩定；移動端以年為單位更新；而前端則以周為單位快速迭代。但現在，所有技術的迭代速度都放緩了。無論是移動端還是開源社群，都缺乏令人眼前一亮的創新技術。因此，如何在現有環境下透過底層技術變革推動業務價值，成為當前的核心問題。

底層技術的變革需要滿足三個條件：一是變革必然發生；二是控制變革成本；三是找到創新的技術方向。如何透過正確的底層技術變革帶來業務價值，是當前需要探討的重點。這與上一個話題類似，底層技術的選擇同樣需要評估 ROI，只有當收益足夠大時，決策者才會支援變革。

以跨端技術為例，快手曾嘗試過多種技術（如 Flutter、Uni APP 等），但踩過不少坑。如今，面對鴻蒙系統的興起，我們在選擇跨端技術時非常謹慎。例如，KMP（Kotlin Multiplatform）在鴻蒙上的實踐效果不錯，但在公司內部仍面臨質疑：這項技術能否真正為公司帶來價值？畢竟，過去的技術嘗試並未完全成功。

選擇底層技術時，必須算清賬：它是否能在短期內帶來收益，並在長期內創造持久價值？以跨端技術為例，鴻蒙系統要求開發三個 APP，而透過跨端技術，我們可以將開發成本降低 66%。此外，KMP 允許複用現有安卓程式碼，進一步節省了人力成本。綜合考慮效能、穩定性和生態支援，KMP 成為我們的優選。技術的選擇還需要評估其長期成本，不能只追求短期收益，而忽視技術的可持續性。例如，Flutter 近期因團隊穩定性問題受到質疑，而 KMP 則因其穩定的生態支援和較低的維護成本脫穎而出。

推動底層技術變革，首先需要評估技術的收益和成本，確保其能為團隊帶來實質價值。其次，工程師需要具備專業能力，能夠透過技術經驗和行業趨勢做出準確判斷。最後，技術的選擇還需與現有生態互補，避免重複造輪子。

唐爽： 剛加入菜鳥時，許多業務系統是基於 PC 端的供應鏈和倉庫管理系統，而競爭對手已轉向移動化。由於多年的積累，不同時期的系統體驗不一致，亟需解決。我們的解決方案是透過技術手段解決業務問題。我常強調三句話：透過建設某個平臺或技術手段，實現某種技術能力，最終幫助業務達成目標或解決問題，這三者相輔相成。

當時菜鳥的業務主要基於 PC 端，已有上萬個頁面。如何快速適配移動端？重新開發一套移動端系統工作量巨大。我們透過低程式碼體系和統一的設計模式、前端元件體系，實現了一碼多端：只需在低程式碼平臺配置 PC 端頁面，即可自動適配移動端。這不僅限於響應式設計，而是透過執行時和編譯時的轉換，完全模擬移動端原生效果，實現“買一送一”——開發一次 PC 端，自動生成移動端。這一底層技術讓菜鳥的業務自動具備 PC 和移動端適配能力，大幅減少開發成本。許多業務不再依賴 PC 端操作，員工可以隨時隨地透過手機處理任務。即使某些操作仍需 PC 端，移動端也能在緊急情況下使用，且開發成本幾乎為零。此外，我們的低程式碼平臺積累了上萬個頁面的描述資訊。結合 AI 技術，這些資料可以生成千人千面的內容。例如，根據倉庫運營人員的崗位、工作習慣和時間段，自動推薦相關資料。這是低程式碼與 AI 結合帶來的未來探索方向。

底層技術的變革不僅影響了業務，也推動了組織變革。由於大量頁面透過低程式碼搭建，設計師和產品經理的崗位逐漸融合。設計師從僅負責互動設計，擴充套件到參與產品鏈路設計，拓寬了職業發展路徑。前端開發人員透過低程式碼瞭解業務邏輯，從頁面邏輯轉向業務邏輯，職業發展更加立體。

曹立成： 提到底層技術時，不一定指核心或組合語言，而是一個相對概念。近年來，像 DeepSeek、鴻蒙系統以及 Meta、蘋果的 AR/AI 技術，都是底層技術的發展。這些進步影響了上層產品的使用方式，帶來了普惠性的變化，例如，微信正在逐步推出 AI 搜尋功能。這些變化表明，近年來底層技術的創新，尤其是 AI 領域的進步，正在迅速推動上層產品和服務的轉型，甚至影響了各行各業的工作方式與價值邊界的拓展。

前端開發者如何“轉型”

曹立成： 現在的前端方向，甚至整個軟體開發的主旋律，就是看哪家公司能把 AI 用得更好，例如工程化方面，審查程式碼、分析專案結構、分析需求等等。想請各位結合經驗分享下，AI + 前端，開發流程是否被重塑了，日常工作中，AI 用得好與不好的關鍵點在哪？以及 AI 的侷限性又在哪？

唐爽： 我們使用 VS Code 和 Composer 時，雖然大家使用的是相同的工具和模型，但效果往往因人而異。比如，我們在使用 Composer 時，時間長了可能會遇到一些問題，比如產生幻覺或者程式碼錯誤不斷增加。那麼如何解決這種問題呢？我的做法是：我會同時管理多個 Composer，每個負責不同的任務。例如，一個 Composer 專注於元件開發，另一個負責應用工程開發。專門做元件開發的人員只需要專注於元件本身，應用開發的人員則非常熟悉業務邏輯和頁面邏輯，清楚如何與服務端介面對接。而資料埋點開發人員則專注於使用者行為的埋點，熟悉整個埋點體系。透過這樣的分工，可以確保每個人專注於自己的職責，不會互相干擾。

如果所有任務都交給一個人來做，他的工作量會非常大。而且，在團隊中很難找到一個全能的員工。所以，不要強求 AI 解決所有問題，它的上下文也有其侷限性。當然，如果連自己的業務邏輯都沒有理清楚，就在一個大型工程中開發新功能，這時就不能強求 AI 去解決問題了。在這種情況下，AI 只能為你提供一些啟發。所以，首先要理清楚自己的思路，制定一個大致的架構藍圖，然後再去利用 AI。

周全： 儘管業界有很多關於 AI 的講座，吹捧其神奇效果，實際應用時我們卻遇到不少問題。例如，AI 的程式碼補全和錯誤排查功能效果較差，有時會給出錯誤的程式碼改動建議，甚至在完美的程式碼中提出多個無關的修改問題，造成效果不理想。

我們還嘗試過將 AI 用於“全能”的場景設計，比如讓 AI 幫忙建立團隊、管理 Git 倉庫等，但這些嘗試效果不佳，最終我們得出了一個結論：AI 的應用應該更加聚焦和細化，按照場景來分配任務。比如，在進行程式碼審查時，AI 不應只是全面地列出問題，而應該專注於某一類問題，比如查詢 Java 程式碼中的 NPE（空指標異常）。

AI 目前還不是神，它仍然像一個 3 到 4 歲智力的孩子，我們需要為其提供更加細緻的指導，以確保其能有效工作。在實際應用中，透過使用 AI 工具，我們可以自動處理常見的編譯錯誤和相關問題，減少人工干預。這大大提高了效率，節省了人力資源。然而，我認為當前階段 AI 的智力水平仍然有限，適合用於一些特定場景和細節問題，能夠有效節省人力，但不會帶來革命性的突破。

程式碼本身既是邏輯又具有藝術性，AI 目前難以一次性解決其中的複雜思維問題。因此，我們不應對 AI 有過高的期待，而應將其應用於具體且可落地的場景中，以獲取更實際的收益。我們在未來的一到兩年內應避免將 AI 過於理想化。

曹立成：AI 確實在進步，但我也深刻感受到它的侷限性。比如，我有時會寫一些 Gradle 指令碼，Gradle 語言相對冷門，我嘗試讓 AI 幫我完成指令碼開發，結果發現它生成的程式碼看起來很漂亮，但實際上根本無法執行。經過反思，我認為這可能是因為我對某些方法是否存在都不確定，而 AI 在這種情況下容易產生“幻覺”，生成一些看似合理但實際上不存在的方法。

後來我發現，當某個領域的資料或程式碼庫比較豐富時，AI 的表現會好一些，因為它本質上依賴於學習已有的資料。但如果資料稀缺，AI 就容易憑空創造，生成一些看似合理但實際無效的程式碼。這種經歷讓我意識到，AI 目前還無法完全替代程式設計師。它雖然在某些場景下能提供幫助，但在複雜或冷門的領域，仍然需要程式設計師的專業判斷和除錯能力。

曹立成：在 AI 輔助寫程式碼、跨端開發等等趨勢下，前端開發者需要如何轉型？是否還需要關心技術？

唐爽： 首先，我們仍然需要繼續關注技術。正如我剛才提到的，AI 的出現並沒有降低對人的要求，反而提高了要求。因此，對於剛入職的同學，我認為不需要過於擔心，關鍵還是要打好基本功。正如我們之前討論的，很多專案的架構是需要在複雜的業務中逐漸積累經驗的。一個好的架構並不是設計出來的，而是在實踐中逐步完善的。有些架構可能是前人經驗的積累，你可能沒有親自參與其中，但你仍然可以從中學習。

第二，隨著技術的發展，我們需要更好地理解如何提出有效的問題，這是一個至關重要的能力。我們往往難以準確表達問題，尤其是在向 AI 提問時，如何提供適當的資訊和上下文是至關重要的。

第三，AI 不會替代人類工作。雖然 AI 可以完成大量工作，甚至高達 80% 的工作量，但那剩下的 20% 才是最為關鍵的部分，而這正是我們人類的優勢所在。AI 的智慧水平雖然很高，但它無法取代人類的判斷和情感價值。無論是從純技術角度，還是如何透過技術放大商業指標，AI 目前都無法完全替代。無論是否有 AI，行業的發展仍然在繼續。即使沒有 AI，技術人員也不可能在同一個崗位上工作一輩子。而且有一個事實值得承認：從前端領域晉升為 CTO 的案例相對較少，相比之下，後端或更懂業務的人晉升為 CTO 的可能性較大。

在 AI 時代，轉型的機會依然存在。例如，我的團隊中有些人從傳統的程式碼實現者轉變為智慧體驗架構師；過去僅僅負責頁面邏輯的人員，逐漸深入到業務領域，成為了小型業務團隊的領導者，並有可能在未來晉升為某一領域的 CTO。

我認為，持續學習是非常重要的。在我剛開始從業時，技術主要集中在 PC 端，後來又經歷了移動網際網路時代。每隔幾年，技術發展都會帶來一些困惑，前幾年元宇宙的興起也讓我們討論是否應該涉足這一領域。隨著 AI 的出現，這些技術變革依舊持續，迫使我們不斷學習和適應。AI 的出現為前端開發人員提供了更多的機會。利用好 AI，不僅能提升產品體驗，還能完成以往難以實現的任務，尤其是在小規模團隊中，甚至是初創公司，這種轉變變得更加可行。

周全： 網際網路時代永遠不變的就是“永遠在變”。我記得我上大學的時候，最常用的手機是諾基亞。當時，全班幾乎每個人都用諾基亞，但到了 2014 年，幾乎所有人都換成了安卓或 iOS 手機。這個變化是顯而易見的。同樣的，技術也在變化。當時我們做前端開發時，最老的開發者逐漸被淘汰。而現在，我們回頭看，PC 端的使用者越來越少，大家都轉向了移動端。比如當時使用淘寶時，我認為移動端非常難用，而更傾向於使用網頁端，因為網頁端可以同時比較多個頁面，但現在大家都習慣了移動端，這就是變革。環境和使用者的習慣在變化，技術也需要隨之調整。從跨端開發到各種作業系統的出現，例如鴻蒙系統、MIUI、ColorOS 等。作為開發者，我們無法忽視這些變化。技術不斷演進，我們需要隨時適應新的開發場景。這是市場和技術環境的必然變化。

現在，我已經超過 30 歲，寫程式碼的能力比一些年輕的同學差了很多。然而，我依然能夠跟上變化，依靠 AI 工具來生成程式碼。因此，我認為技術環境的變化雖然會帶來挑戰，但我們依然可以透過學習和適應，不斷提升自己的能力。

其次，“Talk is cheap, show me your code”，這句話意味著，我們不應僅僅依賴空談和理論。對於現在的年輕人來說，AI 的出現確實讓很多人開始焦慮。是否意味著我該轉行，或者是不是應該多學一些 AI，甚至使用低程式碼或無程式碼工具來生成程式碼？我認為，首先大家可以親自嘗試這些 AI 工具，這些工具的開原始碼和文件都已經非常完善，大家完全可以透過實踐來理解和應用它們，看看它們是否能在實際場景中提升工作效率。

很多人產生焦慮，可能是因為他們已經失去了親自實踐、動手操作的能力。AI 當前非常火，但未來會是什麼？如果我們看一些科幻電影，可能會看到更先進的技術出現。新的技術不斷湧現，可能會取代當前的技術。我們需要做的就是適應這些新技術，並利用它們讓自己變得更強。

曹立成： 關於 AI 是否能替代我們的問題，本質上是大家內心的焦慮所引發的。無論是 AI 的衝擊，還是裁員、行業發展、經濟不景氣等因素，都可能讓我們感受到壓力。在這樣的背景下，大家的焦慮是可以理解的。面對 AI 時，我常常透過提問來增強自信，當發現 AI 無法解決我的問題時，我就覺得自己依然不可替代。

以最近很火的《哪吒》電影為例，這部電影花費了五年的時間，才完成了每個鏡頭的打磨。製作團隊並沒有很強的資金支援，但他們堅持自己的理念，最終得到了回報。這個過程告訴我們，做事需要耐心和堅持。技術領域也是如此，真正做出優質框架或技術方案的團隊，能在實踐中解決問題，最終會獲得認可。

從技術角度講，認真做出來的技術方案能給使用者帶來真實的價值。當用戶感受到你技術方案的有效性時，你就成功地解決了他們的問題。這個過程需要我們踏實地走下去，而 AI 的出現更多是為那些不太踏實的上層人員帶來衝擊，真正的技術人員會一步一個腳印地走得更遠。

關於是否需要轉型的問題，我認為這與個人的職業發展密切相關。作為前端開發者，是否轉型並沒有標準答案，每個人的路徑不同。然而，是否繼續關注技術這一點，我認為答案是肯定的。只要你在這條船上，無論你在船頭還是船尾，只要船起航了，它就能帶著你前進。技術是這條船的動力源泉。很多人希望不被時代拋棄，雖然不一定要成為時代的領袖，但至少不想被落下。因此，關心技術的變化是必要的，技術變化背後原因的分析過程才是值得我們深入思考的，AI 目前還無法替代這種過程。

會議推薦

在 AI 大模型重塑軟體開發的時代，我們如何把握變革？如何突破技術邊界？4 月 10-12 日，QCon 全球軟體開發大會· 北京站邀你共赴 3 天沉浸式學習，跳出「技術繭房」，探索前沿科技的無限可能。

本次大會將匯聚頂尖技術專家、創新實踐者，共同探討多行業 AI 落地應用，分享一手實踐經驗，深度參與 DeepSeek 主題圓桌，洞見未來趨勢。