2025/12/20

最近在组内发生一些事，几个原本对前端一知半解的后端同事，现在借助大模型，能快速地修改一些前端的代码；同样的，我也借助AI写了 Node.js 应用和一些 linux 脚本。说实话，面对这种变化，内心既有深切的担忧，也看到了难得的机遇。

先说担忧。“前后端分离”这个喊了这么多年的口号，在 AI 的冲击下，边界似乎开始变得肉眼可见的模糊。老板们自然乐见其成，毕竟如果一个人能借助 AI 搞定端到端，为什么还要招两个人？“AI 全栈”的概念越来越火热，内部的一些非核心系统或者创新型项目，已经开始倾向于让一个人包揽全栈开发。技术门槛的变平，意味着纯粹的“前端工程师”这个 Title 的含金量正在被严重稀释。

但换个角度看，这也给前端工程化带来了巨大的机会。以前推行 Jest 单元测试或者端到端测试（E2E），最大的阻力就是“编写成本太高”、“业务迭代太快没时间写测试”。现在不一样了，只要你把组件逻辑和测试要求丢给 AI，它能在几秒钟内帮你生成覆盖极高分支的单测用例。这种曾经属于“奢侈品”的代码质量保证手段，现在终于有了快速落地的可能。不仅是单测，包括重构旧代码、补充 JSDoc 注释、甚至是编写繁琐的埋点逻辑，这些曾经让前端头疼的“脏活累活”，现在都可以交给 AI 批量处理，这极大释放了我们的生产力。

所以，想要在明年继续保持竞争力，就必须调整策略。往深走，就是要死磕那些 AI 目前还搞不定的复杂性能优化、复杂交互设计、以及底层架构（这也是我最近疯狂恶补各种底层原理的原因）；往广走，则是要去利用好 AI 带来的这些“提效红利”，去把以前没时间做的工程化建设（比如自动化测试覆盖率）真正做起来，并且更深入地去理解业务，懂产品，毕竟 AI 无法替代人去理解真实场景下的业务痛点。

明年，注定是技术人加速分化的一年。会用 AI 和不会用 AI 的人，正在走向两条完全不同的分岔路。