读：《AI 时代，前端工程师靠什么继续值钱？》
原文：冴羽（2026年8月4日）
核心论点
当写代码、实现需求越来越便宜，公司为什么还愿意为一个工程师付钱？答案是两个能力：判断力和闭环能力。
- 判断力：找到值得解决的问题，判断该做什么、值不值得做、风险在哪里
- 闭环能力：把判断推进到设计、实现、验证和交付
AI 越强，这两种能力越能拉开人与人之间的差距。
关键洞见
你熟悉的岗位边界，只是上一轮红利塑造出来的。 前端、后端、测试这些分工是在互联网高速扩张期形成的。当时每个环节都有足够多的工作，专人专职比一个人从头做到尾更快。现在增长放缓，公司重新算账，AI 又加速了这个过程。
不要把上一轮环境给某项专业能力开出的高价，当成自己的永久价值。 那份高价里一直包含着时代红利。课程里最容易讲授的知识和代码实现，恰好是 AI 最容易替代的部分。
四个层次，变化速度不同：
生成不等于交付。 AI 十分钟生成一组 UI，不代表功能完成。键盘能不能操作？焦点对不对？错误状态有没有处理？O'Reilly 把这种落差叫 Frontend Verification Gap。写作和上下文工程只是基础，代码的审查、测试和清晰的系统边界才是关键。
不要把能力当成收藏品。 一旦停止创造，React、Vue、Java 就从解决问题的工具变成需要保护的收藏品。它们最好永远稀缺永不贬值。一旦 AI 也会了，自己的价值感就跟着动摇。持续创造，把过去学过的东西当成材料，用来解决下一个问题。
以用户为中心，以前端为支点。 前端离用户最近，最容易形成 Product Sense——能站在用户角度发现问题、判断什么值得做。只按设计稿还原页面，做十年也未必懂用户。
AI Coding 工程方法的演进：Prompt Engineering → Context Engineering → Harness Engineering → Loop Engineering → Goal → Dynamic Workflow。关注点从一句 Prompt 怎么写，扩展到了上下文、Agent 执行循环、规则、工具、验证和反馈。
给迷茫前端的具体建议
- 先收窄目标：回到正常开发岗位，用真实投递和面试获取市场反馈，不要先列全栈清单
- 做一个小项目：把需求、实现、上线和验证完整走一遍，证明自己能把问题做完
- 找一个可控问题：影响范围可控、两周能看到变化、可回滚，推进到结果验证。在哪一步卡住，就去补哪一块能力
- 动手前想清七件事：问题是什么 → 影响谁 → 现在什么情况 → 解决到哪一步 → 需要谁参与 → 缺什么条件 → 怎样算解决
关于换赛道
转行可以是权衡后的选择，不必成为焦虑时的逃生动作。不要拿当前这份偏离开发的工作替整个行业下结论。先用真实投递和面试确认自己还能不能、愿不愿意回到开发岗位。
我的感受
这篇文章把「AI 时代前端怎么办」这个烂大街的问题，拆得比绝大多数同类文章都透彻。核心不是告诉你学什么技术，而是把问题拉回到一个更根本的层面：公司为什么愿意付钱？
判断力 + 闭环能力，本质上就是「找对问题 + 把事做成」。AI 让代码越来越便宜，藏在技术名词后面的能力也更容易暴露出来。没有解决过真实问题，再漂亮的叙事也只是包装。
这一点对我自己也是提醒：不管是做前端还是做别的，永远盯着「问题有没有解决、结果有没有产生价值」，而不是堆了多少技术。经历不会自动变成资产，做完一件事要复盘——当时为什么这样判断、结果怎么验证、下次哪些可以复用。