去年6月，我开始非常强烈地意识到一件事。

如果我继续把自己定义成一个只接需求、只写页面、只对着 PRD 干活的前端工程师，我迟早会被这波AI 冲击给替代。

这话听着有点刺耳，但我真觉得，这是很多前端工程师这两年 最真实的处境。

一边是 AI 发展神速，一边是公司大量裁员，而前端，又太容 易被外界看成一个可被压缩、模板化、自动化的环节。

你当然知道事情没那么简单。交互设计、性能优化、跨端兼 容，这些哪一个想做好都不是跟AI聊几句就能解决的。

但问题是，市场不一定会耐心听你解释。

如果AI 能做到80分，很多公司就已经愿意拿它替代人工了。

而是先问，能不能让Agent替我做。

后来我就用AI给自己搭了一个数据采集系统，定时抓各个平台和博主的内容，整理完推到自己的网站上。

这样我每天打开的时候，不是从找信息开始。

而是直接从筛选、判断和吸收开始。

如果你现在也是前端工程师，而且已经开始焦虑了，我先说一句。你的焦虑不是矫情，你是真的站在一个分水岭上。

先说第一个结论。

前端工程师现在别把全栈当终点。

全栈只是中转站。

终点应该是AI工程师。

很多人宽得，前端往上走，先变成能写后端、能连数据库、能部署服务的人，就已经很厉害了。

当然厉害。

但我自己的判断是，这还不够，因为全栈解决的是，你能不能把一个产品技术上做出来。AI工程师解决的是，你能不能像一个一人成军的小团队一样，把一个想法从问题发现、产品定义、研发、上线、导流、运营、客服、自动化，整条链路跑起来。

我理解的AI工程师，不是会调儿个模型API的人。而是一个人能撑起一个项目，想到一个idea，能很快把它变成真止上线的东西。

以前你是被动导向，产品经理给你什么你做什么。以后你得逐步变成主动导向，自己发现问题，自己定义问题，自己解决问题。

从SEO、GEO，到运营、产品、研发、客服，你最好都要有感觉。不是每一块都做到专家级，而是知道它怎么运转，哪一块卡住了，该往哪推。

这种人，在A时代会非常值钱。因为模型会越来越强，代码会越来越便宜，具正稀缺的，是那个能调度资源、快速团环的人。

所以我不建议前端工程师把全栈当终点。全栈是能力层，不是职业归宿。你当然要先具备全栈能力，但不能停在全栈这个身份认同里。你得继续往前走，走到那个可以一人成军的位置。

先补认知

当然，在第一步，学习后端的过程中，我建议先别急看学Go、Java这些后端语言，先补服务端认知。

很多前端工程师一焦虑，就容易去学传统后端语言课，开始系统学Go或者Java，想靠这个完成转型。不是说这些语言没价值，而是对现在的前端来说，这条路太慢了。

我自己的判断是，未来几年，越来越多传统语言层面的门槛，都会被A快速抹平。对前端工程师来说，现阶段更重要的，不是先把某门后端语言学熟，而是先学会怎么用AI帮你把后端代码写出来、调起来、跑起来。

我当时的做法很直接，就是给codingagent配上对应能力。

比如ClaudeCode或者Codex，让它去生成后端代码，补依赖，排查报错，修接口，改配置。

就拿我自己来说，我现在用Codex，已经能让它写出能跑的后端代码。坦率地讲，我现在也不算真的看得懂Go。可这不妨碍我把服务跑起来，把产品做出来，把问题一个个解决掉。

当然，不学语言，不等于不学编程思想。这个边界很重要。真正该补的，不是语言，而是服务端认知。

很多前端工程师一焦虑，就容易去学传统后端语言课，开始系统学Go或者Java，想靠这个完成转型。不是说这些语言没价值，而是对现在的前端来说，这条路太慢了。

我自己的判断是，未来几年，越来越多传统语言层面的门槛，都会被A快速抹平。对前端工程师来说，现阶段更重要的，不是先把某门后端语言学熟，而是先学会怎么用AI帮你把后端代码写出来、调起来、跑起来。

我当时的做法很直接，就是给codingagent配上对应能力。

比如ClaudeCode或者Codex，让它去生成后端代码，补依赖，排查报错，修接口，改配置。

就拿我自己来说，我现在用Codex，已经能让它写出能跑的后端代码。坦率地讲，我现在也不算真的看得懂Go。可这不妨碍我把服务跑起来，把产品做出来，把问题一个个解决掉。

当然，不学语言，不等于不学编程思想。这个边界很重要。真正该补的，不是语言，而是服务端认知。

你得知道数据库怎么建模，表怎么拆，索引怎么打。你得知道一个请求从客户端发出去，经过服务端、数据库，再把结果返回页面，中间到底发生了什么。你得知道认证怎么做，日志怎么看，缓存为什么会脏，并发为什么会出向题，什么时候要加锁，件么时候要拆服务。

这些东西，才是前端工程师转型时最该补的骨架。因为语言是皮。这些才是骨头。

你如果连系统拆分、职责边界这些都不懂，最后一定会出现一个经典场景，什么业务都往一个服务里塞，先跑起来再说。短期当然爽，后面稳定性、扩展性、维护成本，全都会报复你。

所以我自己的做法，不是逃避后端，而是跳过先做一个传统后端工程师这一步，直接去理解后端为什么这么设计。这是两条完全不同的路。前一条路，容易学看学看文回到旧时代的节奏里。后一条路，你会更快进入A时代。

不要总想等自己准备充分之后再行动以前我的学习方式，先找教程，先补知识体系，先确认自己是不是准备好了，再决定要不要动手。后来我发现，这种节奏在AI时代太慢了。因为你永远准备不完。

模型在变，工具在变，工作流在变，产品形态也在变。你今大刚觉得自己搞懂了一点，明天又有新的东西冒出来。你要是一直想看，等我把这一块学扎实了再开始，那你会永远停在起跑线。

我后来改成了另一种思路。

不先准备。

先做一个能上线的产品。

再在过程中补能力。

干中学。

我当时做的第一件事，非常朴素。我没有先去背什么架构八股，也没有先去完整学一门后端语言。我是先问AI，如果我要从0搭一个网站并且上线，具体要经过哪些步骤。

AI给我的答案也很朴素。

明确自标，选技术方案，购买域名和服务器，开发网站，测试，部署，上线之后继续运营和优化。

很多人看到这种答案会觉得，这不全是废话吗。

可问题就在这里。

很多真正有用的路径，一开始看起来都像废话。难的从来不是知道这几步，难的是你有没有真的一步一步去做。

我当时就是这么十的。

卡在技术方案，就问AI该怎么选。卡在数据库设计，就让AI帮我一起过表结构。卡在部署，就把报错日志扔给AI。卡在接口设计，就让A帮我先给一版。卡在产品定位，就让AI帮我从用户同题倒推功能。

这套方法的好处，是你不会一直停在纸上谈兵。

你被迫进入真实世界。

域名买了怎么配DNS，服务器怎么选，数据库怎么连，环境变量怎么配，HTTPS怎么搞，权限怎么管，线上报错怎么看，用户反馈怎么接，这些东西你不真的做一次，是永远没有体感的。

前端工程师最容易吃亏的地方，就是懂太多局部最优，但没经历过完整闭环。

AlFirst刚好能帮你补这一刀它让你不必先把所有知识学完，才敢进入实战。它让你可以带看一个正在工作的数学搭子，边做边学，边错边改，边上线边理解。

你不是在考试。

你是在换人生赛道。

我真正转过去的，不是技木栈，是视角。

很多人问，前端转A工程师，到底转的是什么。

我现在会说，先别把这个向题想得太么。你真正要转过去的首先不是桌个具体技未栈，而是你看待工作的视角。

以前我的工作方式，更多是被动导向。

产品经理提需求，我负责拆页面，做交互，联接口，修bug把这一块交付好。很多年里，互联网岗位就是这么分工的。

但AI时代有个很大的变化。

分工边界在变薄。

以前一个idea，要跨很多角色才能落地。产品提需求，设计

出稿，前端升发，后端联调，测试验收，运营上线。

现在不是说这些角色不重要了，而是很多环节都开始被压缩。

一个能力足够全面的人，已经可以借助Al和Agent，把过去一个小团队才能跑的链条，硬生生缩成一个人完成。

这时候，你如果还是只把自己定义成前端，就会很被动。

你会一直在等别人给任务。

而我后来转型真正发生的瞬间，是我开始反过来问自己。

用户的可题是什么？

这个东西为什么值得做？

怎么最快上线？

怎么验证有没有人用？

流量从哪来？

哪些环节是重复劳动，可以交给Agent

哪些地方是瓶颈，得靠人拍板？

这就是从被动导向转到主动导向，

也是我理解里，前端工程师最关键的一次升级。

你一旦进入这个视角，很多事情都会重新排列。你不会再执看于，我是不是还缺桌门课没学。你会更关心，我今大能不能把这个向题往前推进一步。你不会再只是盯看界面好不好看。你会开始想，这个产品怎么活，怎么增长，怎么自动化，怎么挣钱。

这时候，全栈能力会变成桥。

AI工程师能力会变成方向。

全栈不是终点

所以学会全栈之后，不要停，继续往更大的闭环走。

未来最有杀伤力的，不是一个能同时写前后端的人。未来最有杀伤力的，是一个能把产品从上线到赚钱整个流程跑通的人。

你得去学，产品上线之后怎么活。

运营怎么做。

裂变怎么做。

SEO和GEO怎么做。

用户从哪里来。

留存为什么掉。

客服怎么接。

重复步骤怎么自动化。

Agent能接走哪些活。

我理解的A工程师，不是一个专1门研究模型论文的人。我这里说的A厂工程师，更像一个借助模型、借助工作流、借助Agent，把业务闭环跑起来的人。

你会发现，当你真的开始从产品到增长都去碰，很多前端工程师原本的优势，反而会被重新放大。

你对用户界面有感觉。

你对交互有感觉。

你对前端速度和体验有感觉。

你再补上服务端、数据库、部署、运营、自动化，最后再把Al和Agent接进来，这个人就会非常可怕。

第三，马上开始做一个真止能上线的产品，不要继续停在教程里。

第四，整个过程都用ATFirst的方式去推进，遇到向题先问Al，遇到重复劳动先向能不能交给Agent，别等准备完。

第五，当你具备了全栈能力之后，继续往产品、运营、增长、Agent自动化走，直到你能一个人把一条业务链条跑起来。

这条路不轻松。

但比原地焦虑有用太多了。

而且我必须坦率地讲，前端工程师现在最危险的，不是能力不够，而是路径错了。还在用旧时代的节奏补课，还在幻想只要把原岗位做得更深一点就万无一失。

不是这样的。

前端不是没有价值。

如果只会前端，这件事的边际价值，正在快速下降。

结语

如果今大有一个前端工程师来问我，我很焦虑，我该怎么转。

我会给他一个非常真体的回答。

第一，先停止把全栈当终点，把A厂工程师当方向。

第二，别先去卷Go、Java语法，先补数据库、服务端认知、系统设计、部署和排错这些骨架。

你必须把自己从一个页面父付者，变成一个向题解决者。再往前一步，变成一个项目闭环者。再往前一步，变成一个能借助AI和Agent一人成车的人我从去年6月到9月，真正完成的，不是从前端到A1工程师的头衔切换。

而是从等任务的人，变成了能自己造机会的人。

这是我这三个月里最大的收获。

分享给所有焦虑前端工程师的一句话别把自己困在前端里。

把自己放到一个更大的闭环里。

你能做的事情，会比你现在想象得多得多。

今天给大家整理了10个精选ai agent实战项目，有不少的内容，可以看一看练一练，在之后的面试里你就会发现项目可以给你加分的！

都整理好了，需要的点击免费获取👉《大模型学习资源包》，祝大家面试成功！

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】