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
bobz9654 分钟前
分析 docker.service 和 docker.socket 这两个服务各自的作用
后端
THMAIL11 分钟前
深度学习从入门到精通 - 神经网络核心原理:从生物神经元到数学模型蜕变
人工智能·python·深度学习·神经网络·算法·机器学习·逻辑回归
二川bro14 分钟前
第25节:VR基础与WebXR API入门
前端·3d·vr·threejs
野犬寒鸦16 分钟前
力扣hot100:旋转图像(48)(详细图解以及核心思路剖析)
java·数据结构·后端·算法·leetcode
上单带刀不带妹24 分钟前
Node.js 的模块化规范是什么?CommonJS 和 ES6 模块有什么区别?
前端·node.js·es6·模块化
七夜zippoe24 分钟前
AI+Java 守护你的钱袋子!金融领域的智能风控与极速交易
java·人工智能·金融
seegaler24 分钟前
AMD显卡运行GPT-OSS全攻略
gpt·ai·amd·gpt-oss
缘如风28 分钟前
easyui 获取自定义的属性
前端·javascript·easyui
小关会打代码32 分钟前
深度学习之第八课迁移学习(残差网络ResNet)
人工智能·深度学习·迁移学习
诗书画唱35 分钟前
【前端教程】JavaScript 实现图片鼠标悬停切换效果与==和=的区别
开发语言·前端·javascript