消失的前后端,崛起的智能体

前端:

肯定是无了。

人机交互的工作全部由大模型根据需求,实时动态生成。退一步说,大部分传统树状交互界面,到未来已经没有意义了,常见的用户操作都会被大模型代理完成,不需要用户干预。有些中断授权、安全校验可能需要,比如,在用户要付款的时候,实时生成一个输入密码的界面,用完就销毁了,只要能把请求发出去,流程就可以继续被代理执行。

因此,准确来讲,传统的界面开发前端未来需求会很少,反而终端上可能会更聚焦多模态的交互方式,如语音、手势、AR 和 AI 可解释性的设计。

后端:

为 AI 再贡献一部分标准后,也慢慢无了。

这部分标准主要是 MCP(Model Context Protocol)、A2A(Agent-to-Agent) 类似的协议,帮助 Agent 代理各个环节的串联,尤其是 Action Tools 这部分需要通过标准的方式,借助工具去执行具体操作。形象点说,后端大部分工作,在将工具的使用说明书翻译成大模型可以理解的方式。但当越来越多 Tools 从出生那天就上传了电子版的说明书时,剩下的也就是偏标准运维相关的工作了,比如系统稳定性、资源调度、数据权限、服务编排等深度控制。

未来是软硬结合的时代:

在全面 AI 到来之前,物理世界现有的软件和硬件肯定都需要接入 AI 的能力,物联网和边缘计算的普及,会依赖硬件有一定的 AI 决策能力。尤其硬件方向,让 AI 控制硬件要求会更高,这部分预计也会演化出像 Agent 一样的物理代理,会通过硬编码解决 AI 软件上的安全缺陷,具备管理和调度硬件去自动化决策的能力。就像现在我们智能家居,通过手机或者小爱音响,作为一个人工管理的入口,但这个还不算物理 Agent。Agent 本身需要具备记忆、规划、行动和感知等帮助它自主决策的能力。

因此,AI 一定会带来新一轮的岗位重构与技能融合,前端、后端、客户端这些本身都是在搭建工程,不会再细分,随着 AI 的发展阶段变化,工程上有一个先拆原子再搭建的过程,而拆就是往 AI 友好性的架构设计去拆,等这部分工作完成,工程上的需求不会太多。算法岗位会越来越收敛到通用智能里的各个细分支,更偏研究方向,像现在传统的搜广推算法,大概率就划分到工程了,当然算法领域也不乏一些新的研究方向,比如边缘 AI、Tiny ML 等。目前大模型在软件行业先铺开,但其实真正和硬件结合,才会冲击到物理世界的用户,以前的硬件如果只是造个躯壳,未来更多的工作是给躯壳注入灵魂。综合看,软硬件能力都具备技术人才会越来越多。

最后想说,其实不论现在大家在什么岗位,也不用太过焦虑。作为技术爱好者,我们可以思考未来技术演进的宏观方向,但也无法以现状去评估如何满足未来的不确定性,可能现在看起来很难的事情,未来变得都不是问题。就像远古人天天为打不着猎,吃不上饭发愁,时过境迁,现在很多人反而在为如何减肥发愁,就像我们以前经常为需求无法用技术实现发愁,现在 AI 出来后,很多人开始为 AI 技术不能很好的落地而发愁。

相关推荐
麦兜*6 分钟前
Spring Boot启动优化7板斧(延迟初始化、组件扫描精准打击、JVM参数调优):砍掉70%启动时间的魔鬼实践
java·jvm·spring boot·后端·spring·spring cloud·系统架构
大只鹅28 分钟前
解决 Spring Boot 对 Elasticsearch 字段没有小驼峰映射的问题
spring boot·后端·elasticsearch
小白变怪兽28 分钟前
一、react18+项目初始化(vite)
前端·react.js
ai小鬼头31 分钟前
AIStarter如何快速部署Stable Diffusion?**新手也能轻松上手的AI绘图
前端·后端·github
书玮嘎1 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习
IT_10241 小时前
Spring Boot项目开发实战销售管理系统——数据库设计!
java·开发语言·数据库·spring boot·后端·oracle
猫头虎1 小时前
猫头虎 AI工具分享:一个网页抓取、结构化数据提取、网页爬取、浏览器自动化操作工具:Hyperbrowser MCP
运维·人工智能·gpt·开源·自动化·文心一言·ai编程
要努力啊啊啊1 小时前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪
bobz9651 小时前
动态规划
后端