前端没有整体消失,但“只会写页面”的岗位确实在收缩;真正被替代的是可被AI生成的交付物,而不是能改生产代码、在真实业务里把问题跑通的人。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
被替代的是交付物,不是整个岗位
材料里的观点立正在讨论白领工作消亡时给出的机制是:生成式AI降低的是“认知的边际成本”,它直接瞄准知识工作的核心生产功能——写报告、分析数据、写代码这类交付物。当这些交付物能以极低的时间和金钱成本生成,靠“处理信息”吃饭的岗位经济基础就被抽空了1。前端里那些主要产出静态页面、组件、样式的工作,正好落在这个区间,所以感觉“岗位没了”是真实的。但同一篇也指出,企业的增长逻辑变成产出增长不再依赖人数线性增长,被压缩的是初级、可标准化的部分,而不是所有需要判断力的位置。
技能阶梯断裂,新人最难
同一篇提到一个更具体的痛点:传统上初级白领靠处理基础信息工作来磨练判断力,再晋升为高级专家;当底层“训练场”被AI接管,从新手到大师的跃迁路径就断了1。前端新人正处在这个断裂带上——过去靠切图、改样式、写简单组件积累经验,现在这些活AI做得更快,于是“找不到工作”更多是入门台阶被抽走,而不是行业整体归零。这也解释了为什么资深、能独立判断的人感受和应届生差别很大。
往能改生产代码、能落地的人靠
AI推演立正访谈 PuppyGraph 时记录了一个招人标准:他们需要既能跟客户打交道、又能自己上手改 production 代码的人,只有自己能改生产代码的才算数,否则问题只能传回公司内部,反馈链条变长、判断失真2。把这个标准放到前端:会写页面但改不动真实系统、接不住业务约束的人,位置最危险;能把客户或业务需求翻译成产品改动、并自己把改动做出来的人,反而更关键。立正在另一处也说过,之前没编程的人做项目,意义不是比别人做得好,而是未来在自己领域发现机会时能更有效地尝试、迭代、找合作伙伴落地3。
材料讨论的是白领工作与AI对认知劳动的替代,没有专门针对前端岗位的就业数据或招聘统计,所以“前端已死”是否成立只能从机制上推断,不能给出行业结论。
出处
- 1白领工作的诞生与消亡:第四次浪潮的前夜
解释AI替代的是认知交付物、技能阶梯断裂,是判断“前端是否被替代”的核心机制来源。
- 2学术界火了十年的Graph数据库,为什么等到 AI 才开始落地?|向量数据库为什么是死胡同?|纯技术创业有多爽?
给出“能自己改生产代码才算数”的招人标准,可用于对照前端岗位的稀缺方向。
- 3在《【AI Architect课程实践】我上网的时间都做了什么》下的回复
说明非科班做项目的意义在于发现机会时能尝试迭代,适合想转方向的人参考。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
问类似的问题也可以接着问:
别人还问了
- 非计算机行业,日常工作中涉及ai也比较少,除了日常问答或进行研究外,怎么更好学习使用ai并将ai应用到学习生活工作中
把AI当陪练而不是代做:让它看着你举,而不是替你举;从你工作里一件高频、重复的小事入手,用AI做出一件能验证结果的东西。
- Codex的长效文件是怎么使用的?是不是把它放到你要做的所有的项目里面然后每次要做一个事情就跟他讲先读一下再去执行。
不是靠每次口头提醒,而是让文件成为任务交接的介质:脚本把完整任务写进文件,AI 读文件、把结果写回文件,下游只认产物文件,不认会话里说过什么。
- 怎么确认ai能否做一件事,做一个工具呢,我自己会用ai直接去实现,有时候效果不好,但是不知道要怎么确认这个东西就是ai做不好,还是我使用的问题
先别急着换工具,把“效果不好”拆成可检查的失败类型:是验收标准没定、上下文没给够、指令有歧义,还是任务本身超出模型稳定能力。多数情况属于前几类,能修;只有最后一类才接近“AI 暂时做不好”。
- 用多个agent协同合作来解决一个问题相比用单个agent有什么优势
多agent的优势只在任务能拆成可独立定义、可独立验收的子任务时成立;否则并行只会复制上下文、增加综合成本,产出更平庸。
- 要不要辞掉现在的薪水更高岗位?从而有更多时间时间?
资料不支持直接回答“该不该辞”,但立正反复讲的是:先分清你追的是自己的目的,还是别人给的标准;钱不够时它很重要,过了某个点继续加码可能买来的是更复杂的绑定。
- 你觉得ai转型 ceo可以交给cto做吗
资料里没有直接回答“AI转型能不能交给CTO”,但立正反复讲的判断是:转型的关键不在技术执行,而在谁对结果负责、谁设计系统、谁直接面对客户。