2026 年中，很多前端工程师的工作流已经变成这样：需求进来，写 prompt，AI 生成代码，跑一遍能跑就行，不行就调 prompt 再来。diff 不细看，review 让 AI 做，只要达到需求，细节不关心。这不是个例，是趋势。
2023 年初，大部分前端开发者觉得 AI 跟自己关系不大。三年后，Cursor 成了标配，v0 能直接出组件，Claude Code 能跑完整个 PR 流程。变化不是"AI 能不能写代码"------这个问题的答案已经是"能"了。真正的问题是：前端工程师的角色变成了什么？
这个系列写给所有前端开发者------初级、中级、高级，处境不同，但面对的变化是同一个。
代码已经不是前端工程师在写了
Stack Overflow 2025 年开发者调查的数据：84% 的受访者在用 AI 工具辅助开发，51% 的专业开发者每天都在用。到 2026 年中，这个比例只增不减，而且使用深度已经质变了------不是"AI 帮我补全代码"，而是"AI 写完代码，人看一眼就行"。
现实的分层已经很清楚了：
-
代码生成层面，AI 已经能覆盖大部分 CRUD、组件、样式、测试
-
Code review 层面，越来越多的团队开始用 AI 做 first pass review
-
执行层面，diff 不细看、不逐行审已经是很多人的常态------能跑、能过测试、符合需求，就够了
但有个问题正在浮出水面：ThoughtWorks 技术雷达里提到的 "codebase cognitive debt"（代码库认知债务）------当 AI 大量生成代码，开发者采纳了自己并不完全理解的方案，时间一长，对系统怎么运转的理解会越来越模糊。项目能跑，但没人真正搞懂它为什么能跑。
不同层级的前端，处境不同
从 2023 年到现在，前端圈讨论"AI 要不要取代前端"的帖子数不胜数。大部分讨论在两个极端之间反复横跳：一端是"前端已死"，另一端是"AI 只是工具，前端永远有饭吃"。现实在中间，而且每个层级的开发者感受到的不太一样。
做了两三年前端的人，压力是最大的。因为 AI 确实在大量吃掉初级前端的工作------写个表单、做个列表页、对接一个 CRUD 接口、调调 CSS 布局。Cursor 给你写一个标准 CRUD 管理后台可能只需要几秒钟。以前这些活是初级前端工程师的主要工作内容，现在 AI 一键生成，剩下的只是微调。
做了五六年、开始带项目的人，处境更微妙。AI 帮团队更快出活，但代码审查的工作量反而增加了------不是因为 AI 写得差，而是审查 AI 生成的代码需要判断力：这段逻辑对不对？边界条件考虑到了吗？API 调用方式合不合规？这些判断需要经验，而经验没法自动化。
做了十年以上的呢？在中国，大龄程序员反而更焦虑。因为年龄本身就成了竞争维度，AI 又在吃掉技术优势。但冷静看，到了这个阶段，工作重心已经从写代码转向设计系统、技术选型、团队协作------AI 目前还做不了这些事。真正危险的，是既没有走到这个阶段，又卡在 AI 能替代的执行层里。
ThoughtWorks 技术雷达里提到的"codebase cognitive debt"（代码库认知债务）在上文已有解释------这个概念本质上是一个警示：AI 生成代码越多，团队对系统的理解越浅。
一个更安静的变化
比起"前端会不会被取代"这种大话题，行业里正在发生一个更安静、但可能更重要的变化：AI 应用开发正在变成一个新的前端子领域。
2025 年之前，前端工程师的技能边界大概是这样的------你精通 React/Vue、TypeScript、状态管理、性能优化、构建工具，能做出好用的 Web 应用。这是你的主场。
现在这个边界正在被悄悄扩大。Vercel 的 AI SDK 已经从一个实验性项目变成了成熟的工具库，支持 React、Next.js、Vue、Svelte，统一了二十多个模型 provider、覆盖四十多种模型的调用接口。LangChain.js 从早期的小众库发展成了完整的 agent 开发框架，有了 create_agent、LangGraph、LangSmith 这一套工具链。你在前端生态里就能完成 AI 应用的全部开发，从模型调用到流式渲染到状态管理，从头到尾都能在前端生态里搞定。
ThoughtWorks 技术雷达里专门讨论了一个趋势："putting coding agents on a leash"------给 AI agent 加约束。他们提到了 Agent Skills、spec-driven development、feedback sensors 这些具体的技术实践。这些实践的核心都是前端工程师已经熟悉的：状态管理、事件处理、错误边界、渐进增强。
谁在做这些事？
52% 的开发者还没用 AI agent，38% 甚至没打算用。但用了的人里面，84% 是用在软件开发上，69% 说提高了效率。AI agent 已经在默默提效，但大多数人还没开始用------这是目前最大的信息差。
另一组数据来自 JetBrains 的 2025 年开发者生态报告：66% 的开发者认为现有的度量指标不能反映他们的真实贡献。这个比例相当高，说明行业在评估"开发者的价值"这件事上，标准和现实之间有很大裂缝。
综合多个招聘平台和技术社区的信息来看，和 AI 相关的开发岗位在持续增长。几个趋势：
-
AI 应用工程师的需求明显在增加，尤其是有 Web/前端背景的------他们更懂怎么把 AI 的能力变成用户能用的产品
-
"AI 应用架构师"这种岗位开始出现，要求同时理解 AI 系统和前端架构
-
纯前端岗位的竞争确实在加剧，但同时具备 AI 应用开发能力的前端工程师在招聘市场上的议价能力更强
前端工程师的 AI 价值
10 年前端经验，在 AI 时代到底有什么用？这个问题被讨论了很多次，大部分回答要么太泛（"有工程经验""有产品思维"），要么太具体（"你会 TypeScript"）。实际价值集中在三个地方。
用户交互边界。 AI 应用和传统 Web 应用最大的区别：AI 的输出不确定。同样的 prompt，模型可能给出不同的回答。怎么设计一个 UI，让用户能处理这种不确定性？怎么在流式输出中保持好的交互体验？怎么设计错误处理和回退机制？这些是前端工程师打磨了十年的能力。
异步状态处理。 AI 应用充满了异步操作------模型推理、流式输出、工具调用、多轮对话，全是异步的。Promise、Observable、事件驱动、状态机------这些概念在 AI 应用开发里一样适用，甚至更重要。做了三年前端的，对异步的理解深度就够用了。
技术选择到产品体验的直觉。 用什么模型、怎么设计 prompt、要不要用 RAG、agent 还是单轮对话------这些技术选择最终都会影响用户看到什么、体验到什么。10 年前端工程师对"技术选择如何影响用户体验"有直觉，这种直觉在 AI 应用开发里特别值钱。因为 AI 应用的技术选择比传统 Web 应用更多、更复杂。
这些不是"学了就能用的现成技能"，更像是一种底层的判断力，需要在学习 AI 开发的过程中去激活。
这个系列打算聊什么
七篇，一个路线：
-
导论（这篇）：市场在发生什么，机会在哪，10 年经验的价值在哪
-
① AI 正在吃掉哪些前端活：分层讲，初级到高级各自面临什么
-
② 前端转 AI，最不该学的就是 Python：TypeScript 生态已经足够完整
-
③ 10 年前端转 AI：你比新人多的是什么：重新定义前端经验的 AI 价值
-
④ AI 应用的前端架构：RAG、流式、状态管理、多模态的架构挑战
-
⑤ 从聊天框到生成式 UI：方向和趋势
-
⑥ 从今天开始：你的第一个 AI 实战项目：弹性难度，老手做深度版
写给做了两到十年前端的工程师。不卖焦虑，不灌鸡汤，用数据和事实说话，具体到工具、架构和代码。
最后说一句
做前端十年，经历过 jQuery 时代、React 革命、移动端大潮、微前端浪潮。每次变化来的时候都有人说"前端已死"，但前端一直没死，只是变了个活法。
AI 这次可能真的不一样。不是取代前端，而是重新定义前端的工作方式------从写代码的人，变成定义代码该做什么的人。
如果你正在经历类似的困惑，转发给你觉得需要的人。
下一篇：《AI 正在吃掉哪些前端活，哪些没动》