与「前端开发」相关的搜索结果

最近一个非常明显的变化是，测试和前端开发这些细分工种，正在逐渐被收敛。 今天很多研发流程依然是 Human in the Loop，人还深度参与在工作流中。但我们更想看到的状态是 Human over the Loop，人逐渐脱离具体工作流，让任务能够自循环、自验证、自进化。 这里核心要解决两个问题。 第一个是验证。 AI 的生产速度一定会超过人的验收速度。如果每一份 AI 产出最后都需要人来 Review、测试和验收，那么 AI 生产得越快，人反而越容易成为整个系统的瓶颈。要真正实现 Human over the Loop，验证本身也必须交给 AI。人负责定义目标、标准和边界，AI 负责执行，同时完成验证、反馈和修正。 第二个问题也随之而来。当大量任务的生产和验收都开始发生在 Agent 之间，我们还需要那么多面向人的前端表达吗？ 过去的软件大量服务于 Human Computer Interaction，所以需要非常丰富的界面、交互和前端工程。未来人机交互会减少，机机交互会越来越多。很多过去通过页面、按钮、表单完成的操作，会变成 Agent 之间的协议调用、状态传递和任务协同。 所以前端的工作也会发生迁移，从“怎么让人更好地操作系统”，逐渐转向“怎么让人更好地控制 Agent，以及让 Agent 之间更好地协同”。 而 Agent 之间这一层协同，本身又天然适合自动化。Agent 能够理解目标，能够调用工具，也能够根据反馈继续执行。所以从这个视角往下推，测试、前端这些高度依附于传统软件生产流程的细分工种，会最先受到冲击。 再往后看，未来的人才结构可能会逐渐收敛到两类。 一类是端到端交付的人。他们面对的是业务问题，从需求洞察开始，一直到方案、研发、验证、上线和运营，对最终结果负责。 另一类是领域专家。他们解决的是足够深的专业问题，包括架构、性能、安全、基础设施，以及 AI Harness 等复杂工程能力，把自己的专业知识沉淀成工具、规则、评测体系和 Agent 可以复用的能力。 这两类人都不可或缺。一个负责把事情做成，一个负责把某一类事情做到足够深。 过去组织通过大量细分工种完成协作，未来更多会通过“端到端交付者 + 领域专家 + Agent”完成协作。细分工种会不断收敛，人的责任边界会越来越大，专家能力也会越来越深。

近期我将离开工作近 12 年的公司，现在看外面各种工作机会，欢迎大家帮忙内推或扩散这条消息~ 我期望工作地点是上海，职位方向可以是前端开发或Agent开发；现阶段保持最大的开放性，希望接触各种不同的机会，多学习和了解。 提前感谢各位的帮助~从以下渠道可以了解我的更多信息： GitHub:  Lucifier129 微信公众号：工业聚

两句话，8分钟，一个完整的游戏英雄库成型了   输入只有两句话。8分钟后，Hy3 交出了一个可以完整浏览的英雄联盟游戏英雄库网站。 首页、英雄分类、搜索筛选、角色卡片、详情展示、美术馆……不只是页面齐全，整套网站的视觉风格也保持了统一。   整个网站采用黑金视觉，角色立绘、页面背景、筛选标签和内容分区被编排在同一套设计语言里。打开之后，不会觉得这是几个临时模块拼在一起，更像一套已经设计成型的角色展览页。   从页面结构到视觉风格都很完整，基本已经到了可以直接发布使用的程度。   更夸张的是，整套页面生成下来只用了8分钟。   如果交给人工设计和开发，光是确定页面结构、视觉方向和交互逻辑，都得来回沟通好几轮。更别说还要准备角色素材、统一图片风格，再把所有内容写进网页。一个游戏角色展览页，需要同时处理信息层级、页面结构、视觉风格、素材生成和前端实现。   Hy3 做的，是把这条流程直接串了起来。   模型不仅要理解“英雄库”“美术馆”“角色详情”这些抽象需求，还要把它们翻译成具体的页面模块、视觉层级和动线安排。   接到需求后，它会先搭建网站工程，再根据页面需要生成对应的图片指令，调用图像模型制作素材，最后把图片、文字、组件和交互统一编排进网页。   换句话说，它并不是只负责其中某一步，而是像一个项目执行者一样，把设计、素材和开发组织在一起。   这也是 Agent 式工具和普通“文生图”“文生网页”之间比较明显的区别。   很多“文生网页”工具可以快速做出页面雏形，但做到后面，往往还要手动找图、补模块、统一样式。   Hy3 展示的是另一种工作方式：用户只描述想要什么，模型自己拆解任务、调用工具，再把设计、素材和开发整合成一个结果。   这次生成的结果，对提示词的还原度、页面完整度和素材细节都做得很扎实。黑金视觉贯穿整套页面，角色卡片、筛选标签和内容分区也保持了统一风格，看起来更像一个经过设计的成品，而不是临时拼出来的演示稿。   同样的需求交给其他模型，往往只能得到一个粗糙的半成品；Hy3 更大的优势，是把模糊的想法继续往下执行，直到变成一个能够打开、浏览和发布的网站。   过去，想做一个游戏英雄库，第一反应可能是先找设计师、准备素材，再安排前端开发。   现在，这件事的起点可能真的只剩两句话。

ArenaAI 表示，OpenAI 的 GPT-5.6 Sol 现在已经并列登顶 Code Arena: Frontend，与 Claude Fable 5 并列第一。 这是 OpenAI 模型第一次登上 Code Arena 榜首，也显示出它在 Agentic Coding、前端开发和 Web App 构建上的大幅进步。

开源健身神器，是时候开始锻炼身体了家人们 项目叫 hasaneyldrm/exercises-dataset，是个全面的健身练习数据集，里面有 433 个不同的健身动作。 每个练习都包括名字、类别、目标肌肉群、需要什么设备，还有详细的指导说明、缩略图和动画视频，超级详细！ 这个项目是用 HTML 写的，特别适合前端开发者练手，做界面展示和数据处理。 Stars 都 9250 了，说明社区很认可。 如果你在找前端项目练习，或者对健身数据感兴趣，这个绝对值得一试！

前端效果 用 Doubao-Seed-2.1-Pro 写前端代码，第一感受是界面效果明显优于 Opus 4.7，视觉还原度高，细节处理也更到位。 更让我惊喜的是它对自然语言的理解——描述需求不需要非常精确，模型基本能给出超出预期的结果。 如果你经常做前端开发，Doubao-Seed-2.1-Pro 模型非常值得试一试

截图丢进去，AI 直接吐出 HTML 代码。手绘草图也能识别 香港中文大学开源的 ScreenCoder，GitHub 2.7k Star 视频里演示了三个案例： -YouTube 首页截图 → 还原出完整网页布局 -Google 搜索页手绘草图 → 识别手画的框框和文字，生成对应代码 I-nstagram 个人主页截图 → 布局、卡片、图片位置全还原 技术路线是多模块 Agent 架构：先视觉识别看懂截图结构，再做布局规划，最后生成代码。全链路自动 生成的代码是完整可编辑的 HTML，不是图片不是截屏，是真正能改能用的代码 对前端开发者来说，设计稿转代码这个最枯燥的活终于可以扔给 AI 了。对产品经理来说，画个草图就能出原型，不用再求开发排期 关键是开源免费。GitHub 搜 ScreenCoder

关于最近尝试slock、multica等多Agent有感： One agent 还是 multi-agent？ 本质区别就一个：每个智能体是否拥有独立的系统提示词、记忆和技能集。 两种范式： 1. **One agent**：所有智能体共享同一套系统提示词、技能集和 memory。切换角色靠 prompt 驱动——"你是一个前端开发工程师"、"你是一个 QA"——让它自己加载对应的技能去完成任务。 2. **Multi-agent**：真正把智能体拆开，彼此信息不共享，共同知识靠项目文档来维护。 哪个更好？我觉得短时间内 one agent 更实用，multi-agent 暂时没看到什么亮眼的结果。 后者唯一说得通的好处是：你可以维护一个跨代码库工作的 code review 机器人——它天然适合做一个独立 agent，能在不同项目间积累经验。但如果反过来，为了某个项目就拆出一堆 agent，这合理吗？一个公司会为每个项目单独配一个 QA、单独配一个研发吗？ 所以按项目拆 multi-agent 是有问题的。真要搞多 agent，它应该是一个**后端 agent**：服务多个项目，在多个项目间共同积累经验，而不是每个项目都复制一套 agent 出来。