前端已死三个月后：活下来的人，靠的不是 React

8 月 12 日，我写了一篇《前端已死？一场关于代码、AI 与工程师价值的冷酷解剖》。

那篇文章的结论是：死的不是前端这个工种，死的是”纯写代码”这个定义。

文章发出去之后，评论区吵成两派。一派说”终于有人说了句人话”，另一派说”你在自我安慰”。

三个月过去了。我不想再重复一遍”前端没死”——那太便宜了。我想说的是三件更具体的事，其中第一件，是我自己写错了。

一、先认个错：我 8 月引用的那组数据，很可能是错的

那篇文章里，我引用了一组 BOSS 直聘和智联招聘的数据，用来证明”前端需求没有萎缩”：

2026 年（截至 4 月）月均招聘岗位 9.2 万，比 2024 年增长 12.2%。

三个月后，我看到另外两组数字：

来源	口径	结论
Revealera（1.8 亿条全球招聘信息）	全球前端岗位	同比下降 9.89%，技术岗里降幅最大
拉勾《2026 Q1 前端行业报告》	国内 0–3 年初级前端	同比下降 62%，一个初级岗平均 127 份简历
Sonar × Anthropic	纯切图/静态页工作	80% 已具备 AI 全量替代条件

这两组数据不可能同时为真。

可能的解释有两个：一是口径不同——我引的”前端相关岗位”很可能把”AI 应用前端””全栈偏前端”都算进去了，而拉勾统计的是”专职前端”；二是我当时下意识挑了一个能安慰人的数字。

不管哪种，用”总量在涨”来安慰人，是不负责任的。

因为总量这个指标，在今天已经没有意义了。当结构变化比总量变化大一个量级的时候，总量就是个统计学幻觉。 一个行业可以总量持平，同时 60% 的岗位在消失、40% 的岗位在溢价——这两件事同时为真，而你站在哪一边，跟总量一点关系都没有。

我 8 月那句话本身没错，但我用错了证据。这是第一个要校准的地方。

二、我低估了的第二件事：不是门槛升高，是入口被拆掉了

那篇文章里我写：

变化的只是——门槛在升高，定义在重写。

这句话当时我觉得很温和、很克制。三个月后再读，我发现它有一个隐藏假设：它假设还有一道门，你只要够努力，就能走过去。

真实情况更冷一点：门还在，但通往门口的那部电梯被拆了。

看两组同样真实的数字：

斯坦福数字经济研究：22–25 岁开发者的就业率，从 2022 年底到 2025 年中下降了近 20%
美国劳工统计局：2024–2034 年 web 开发者岗位仍预计增长 8%

两个都对。需求在，入口在缩。这和”行业萎缩”完全是两件事。

一个反直觉的悖论

AI 编程工具做的第一件事，其实是让初级开发者变强——它会自动补全样板代码、从一句话脚手架出一个组件、把 TypeScript 接口直接生成出来。按理说，这个群体应该最先受益。

但现实是：这个群体最先被消失。

因为效率工具同时做了一件事——它让”三个人干一个量级的活”变成了”一个人加一个 AI 干同样的活”。企业招人的单位不是”工作量”，是”人头”。工作量没变，人头减了两个。

所以第一个被 AI 吃掉的，就是它服务得最好的那群人。这不是暂时的失衡，是结构性的悖论：任何把”执行成本”压到零的技术，第一个淘汰的都是靠执行吃饭的人。

三、真正的变化发生在组织图上，不在招聘网站上

这是三个月里最大的认知更新。

招聘网站反映的是”市场想招谁”，组织图反映的是”公司怎么定义工作”。后者比前者领先半年到一年，而且残酷得多。

	美团	京东	蚂蚁
动作	部门合并，保留岗位	删除岗位分类	消融职能边界
过渡期	1 个月培训	3 个月缓冲	逐步推进
AI 配套	成立 AI-Builder 团队	未明确	未明确
是否裁员	明确否	否（能力转型）	否

注意三家的共性：不裁员、要全栈、配 AI。

这是一个很关键的信号。如果只是”降本增效”，第一步一定是裁员；但这三家的选择是保留人、重划边界。蚂蚁的做法最彻底：不再按”前端 / 后端 / 测试”划分团队，而是按业务域组织全功能小队——一个人可以同时写前端、写后端接口、写测试。

这意味着评价标准变了：

评审你的不再是”前端做得好不好”，而是”这个业务域的事，你一个人能扛多少“。

从”降本增效”升级为”研发模式变更”，这是这次不一样的地方。

同一个词，两种命运

同一时间轴上还有另一个数字：2026 年上半年全球科技裁员 16.5 万人，其中 9.1 万被明确归因于 AI 替代。

但就在同一份报道里：字节 2026 校招前端岗同比 +23%，淘天技术岗占比超 90%。

一边裁，一边招。看起来矛盾，其实它们招的不是同一批人。JD 的关键词整批换血了：

正在消失	正在强化
精通 HTML / CSS / JavaScript	AI 产品前端技术建设
熟悉 Vue / React 框架	深入理解 AI 业务需求
切图、还原设计稿	系统分析与架构设计
1–3 年经验	3–5 年 + 架构能力
按时完成需求	技术驱动业务发展
跨浏览器兼容	流式渲染、AI 输出质量把控

“精通 React”这五个字，从核心竞争力降级成了简历筛选的最低门槛。

四、哑铃不再是预测，它就是统计事实

我 8 月写”岗位在向哑铃型两端集中”的时候，那还是个趋势判断。三个月后，它有价格了。

脉脉高聘 2026 春招数据：

经验	传统开发	AI 方向	倍数
0–1 年	5,500 元	18,000 元	3.27×
1–3 年	12,000 元	32,000 元	2.67×
3–5 年	22,000 元	55,000 元	2.5×

“前端 + AI”复合人才的薪资溢价约为 40%。BOSS 直聘上，3 年以上、偏架构的前端岗平均 32.5K。

最能说明问题的是面试结构的变化：

环节	2024 年占比	2026 年占比
算法题	30%	15%
系统设计	20%	40%
AI 工具使用	0%	25%
八股文	40%	20%

算法题腰斩，八股文腰斩，系统设计翻倍，凭空多出一整块”你怎么用 AI”。

一位面试官的原话我印象很深，是他们筛人的判词：

“你是让 AI 写完直接复制，还是让它出第一版、你来 Review？”

前者说明你还没建立新工作流。后者说明你已经在做判断了。这一句话，比简历上写十个”精通”都管用。

五、活下来的人靠什么：判断力密度

到这里可以回答标题那个问题了。

不是”更懂原理”，不是”更懂框架”，也不是”更会写代码”。是判断力密度——你在单位产出里，塞进了多少次 AI 做不了的判断。

为什么是”判断”，而不是”技术”

有一个很简单的判据：AI 在能被客观验证的地方最强，也最容易露馅。

切图还原：有设计稿做标准答案，AI 几乎满分 → 所以归零
性能指标：LCP 从 3s 降到 1s，验收标准明确，但方案空间极大，AI 给不出针对你这个场景的解法 → 有溢价
可访问性：AI 生成的 ARIA 常常”标签对了、行为全错”，一撞 WCAG 就废 → 必须人来兜
可视化 / 数据密集界面：十万行表格的虚拟滚动、多图表联动、低端机不掉帧 → 纯经验活

所以判断力具体长什么样？我把它拆成三种形态：

第一种，约束设计。 不是”审查 AI 写的代码”，而是让 AI 写不出错的代码。设计 token、ESLint 规则、类型边界、目录结构约束——用规则把产出空间压到一个安全区间里。高手的做法不是事后 review，是事前收窄。这件事 AI 做不了，因为约束本身就是一种架构决策。

第二种，异常兜底。 AI 知道”正常路径怎么写”，不知道”你的产品在失败时应该表现成什么样”。接口 500 是重试还是降级？重试三次是幂等的吗？空数据是引导用户还是提示”还没开始”？——这些答案不在代码库里，在产品上下文里。

第三种，成本权衡。 同一个需求有三种实现，选哪个取决于团队人手、发布窗口、维护预算、未来的演进方向。这不是技术问题，是在有限资源下做取舍，而 AI 没有资源约束的概念。

这三种判断有一个共同点：它们都不在训练数据里。 它们长在你踩过的坑上。

有个数据很能说明问题：一个熟练使用 AI 工具的工程师，产出是经验相当的工程师的 5–8 倍。注意”经验相当”这四个字——AI 放大的是判断力，不是替代判断力。 没有判断力的人用 AI，只是更快地生产垃圾。

六、唯一还在涨的”纯前端”方向：为 AI 做界面

如果说 L2 那层是存量溢价，L3 是唯一还在新增岗位的方向——京东、字节、阿里的新 JD 里，关键词高度一致：AI 应用前端、流式渲染、AI 输出验证。

为什么这个方向值钱？因为AI 应用的异常路径，比传统应用多一个量级。

传统前端要处理的异常是：网络失败、4xx/5xx、空数据、超时。四类，闭着眼睛都能列全。

AI 应用要处理的异常是：

流式传输中途断开了，已经吐出的半截内容怎么办
用户想重试，但重试会重复生成（幂等怎么做）
模型返回 429 限流，这不是错误，是**”排队”**，UI 上要说人话
工具调用失败了，是让模型自己重试，还是转人工？
模型拒答了，这段拒答该不该展示给用户
输出形式上完全合法、内容完全错误——这是幻觉，传统前端从来不需要处理这种失败
上下文超长了，是裁剪历史、还是压缩、还是开新会话
用户在多轮中途改了主意，已生成的中间结果要不要回滚

这些不是”把 loading 转圈做得更好看”，这是管理一个概率性过程。前端从”展示后端给的数据”，变成了”对一段不确定的输出负责”。

举个最小的例子。一个 AI 对话组件的状态机，最少需要这几个状态：

type Phase =
  | 'idle'        // 什么都没发生
  | 'streaming'   // 正在接收
  | 'interrupted' // 中途断了，但有半截内容
  | 'retrying'    // 重试中（要区分"网络重试"和"排队等待"）
  | 'degraded'    // 降级：换小模型 / 给静态兜底
  | 'done';

function reduce(state: ChatState, ev: Ev): ChatState {
  switch (ev.type) {
    case 'SEND':
      return { ...state, phase: 'streaming', text: '', attempt: 1 };

    case 'CHUNK':
      return { ...state, text: state.text + ev.text };

    case 'NETWORK_ERR':
      // 关键：已经吐出的半截内容不能丢，否则用户会以为白等了 30 秒
      return { ...state, phase: 'interrupted', keep: state.text };

    case 'RESUME':
      // 断点续传：从最后一个完整句子之后继续，而不是从头重来
      return { ...state, phase: 'retrying', attempt: state.attempt + 1 };

    case 'RATE_LIMIT':
      // 429 不是错误。UI 上要告诉用户"高峰排队"，不是"加载失败"
      return { ...state, phase: 'retrying', backoff: 2 ** state.attempt * 1000 };

    case 'DONE':
      return { ...state, phase: 'done' };

    default:
      return state;
  }
}

写这段代码不难。难的是下面这些决策，它们全都得由人来做：

interrupted 状态下，那个”继续”按钮点下去，是续传还是重来？（续传要后端支持，重来要用户接受丢失）
retrying 要不要给用户一个”取消”？（不给，用户会觉得界面卡死了）
重试三次都失败，是 degraded 到静态兜底，还是干脆报错？（取决于这个功能在业务里的位置）
每次重试之前，要不要加一个 幂等 key？（不加，用户可能被扣三次钱）

这才是 L3 的真实内容：不是”会接大模型 API”，是”能为一个不确定的过程设计可信的界面”。 这也是为什么”AI 输出验证和质量把控”会出现在 JD 里——它描述的正是这件事。

七、一个更扎心的推论：职业阶梯的第一级被抽走了

前面都是外部环境。最后说一个我觉得更值得担心的问题。

传统的技术成长路径是一条阶梯：

初级岗练手 → 中级扛需求 → 高级做架构

这条阶梯依赖一个前提：有足够多的初级岗，让新人在低风险环境里反复练手、踩坑、长判断力。

现在第一级被抽走了。招聘市场上 0–3 年的岗位暴跌 62%，而”判断力”恰恰只能通过做判断来获得。这是这一轮变化里最难解的结构性问题——不是没人愿意培养新人，是新人练手的那个位置，本身已经不经济了。

对这个困境，我能想到的替代路径只有三条：

自己给自己造阶梯：做端到端的完整项目，从需求、设计、开发、部署到运维全包。这条路慢，但每一步的判断都是真的。
在有真实用户的地方练：开源项目、副业产品、公司里的边缘需求。真实用户的反馈是最贵的训练数据，AI 给不了你。
在 AI 之上做 review 训练：每次让 AI 生成代码，逼自己回答”这段代码哪里可能出事”，然后再去验证。把 AI 当成一个出题机，而不是答题机。

这三条路我都在走。你自己的博客、小程序、Electron 投屏——本质上都是”自己造出来的阶梯”。它们不产生薪水，但产生判断力，而判断力是唯一还在涨的东西。

八、写在最后

回过头看，我 8 月那个标题下得还是太温和了。

“死的是定义”——这句话是对的，但它听起来像”你只要重新定义自己，就还能活”。

三个月后的真实感受是：死掉的不是定义，是身份。 是”我是一个前端工程师”这种身份认同本身。

因为当组织不再按前端/后端划分团队，当面试不问你会不会 React 而问你”怎么用 AI”，当 40% 的薪资溢价挂在”复合”两个字上——“我是前端”就已经不再是一个能换钱的答案了。

能换钱的答案是：“这个业务域的事，我一个人能扛。”

所以标题那句话，我最后想改得更准一点：

React 是入场券，判断力是定价权。

入场券会过期，定价权不会。

三个月前我说”剩下的，是行动”。这句话现在依然成立，只是”行动”的方向变了——不是去学下一个框架，是去攒那些 AI 学不会的判断。