当前正在撞击前端 Web 开发的小行星

AI 作为编程中的新抽象层

• 许多人认为编程正在从“写代码”转向“配置代理和运行时”，类似于从汇编升级到 C。
• 也有人反对这种类比：提示词缺乏稳定的语义和可复现性；后来再根据提示词重新生成同一个应用往往会失败。
• 还有人表示自己借助 AI 的生产力高得多（快一个数量级），但仍然需要很强的工程能力来引导和审查。

前端作为代理的首要目标

• 常见观点是：前端对代理来说“更安全”，因为失败是可见的、无状态的，而且容易重新部署。
• 但也有人强烈反驳：前端可能以非常隐蔽但影响重大的方式失败（认证流程、状态不匹配、数据标注错误），而且它正是用户直接体验的部分。
• 有几个人认为，AI 目前在 UX、响应式设计、可访问性，以及细腻交互的“手感”方面都更差。

代码质量、“slop” 与技术债

• 多个轶事提到，AI 生成的前端代码“能用”，但却晦涩、迂回，或者误用库。
• 有人担心人类不会真正理解 AI 重度参与的代码；未来维护会变成只靠 AI 的闭环，进一步累积粗糙代码。
• 也有人认为，你同样可以让 AI 去重构、优化和清理代码，使“先上线，后清理”更可行——不过怀疑者预测会产生巨大的技术债，以及未来整个行业去清理“vibecoded”系统。

对工作、角色和教育的影响

• 一些有经验的前端教育者和工程师觉得自己的细分领域正在被抹去；教授浏览器/JS 低层细节的动力正在下降。
• 另一些人则转向教授更高层的技能：协作、架构、设计理由，以及 AI 使用素养。
• 讨论还包括：在 LLM 帮助下，非程序员是否能可靠地构建复杂系统；有人说“短期内不行”，也有人说门槛正在迅速降低。

同质化、React 主导地位与框架

• 许多人指出，代理明显偏好 React；这推动团队为了“agent experience”而采用它，即便其他技术（如 Lit、Solid、HTMX）可能更好。
• 对同质化/“对齐”感到担忧：在现有代码库上训练的 AI 会强化主流工具和风格，可能把生态系统困在局部最优中。
• 反方观点是：好的 LLM 可以与许多框架配合；多样性和新想法仍可能持续存在。

小项目、成本与 WordPress 替代

• 多个故事提到，非技术人员使用 LLM 以非常低的成本重新设计或创建简单静态网站，从而挤压低端 Web 承包商的生存空间。
• 有人把这视为把资源释放到核心业务工作上；也有人担心出现千篇一律、带有 AI 气味的设计以及性能臃肿。
• 一些人认为，静态的 AI 生成页面，比不安全、无人维护的 WordPress 安装还要好。

风险、合规与关键系统

• 对于普通网站和仪表盘，很多人认为 AI slop“够用就行”。
• 但在受监管领域（金融、法律、审计）中，参与者强调可追溯性、认证和严格正确性；他们认为临时拼凑的 AI 系统不可行，而且可能不合规。
• 关于未来经过审计/企业级的 AI 服务是否会弥合这一差距，讨论仍在继续。

更广泛的轨迹与不确定性

• 有人预测 AI 将深刻改变每个行业；也有人警告，我们可能已经接近平台期。
• 大家共同的不确定性在于：当 AI 远远超越传统学习路径、并向网络倾泻大量平庸内容时，下一代专家该如何培养。