01 / 我看到 AI 后的真实反应
嘴上说“挺好的，提效工具嘛”。
心里想：“它再提效两轮，我是不是就该提桶了”。
AI 解决的是“更快生成”。
前端还要负责“真的能用”。
02 / 四种焦虑
四种焦虑，说出来就没那么体面了。
01
AI 一分钟生成表单，字段名还起得比我认真。
我还在查 disabled 和 readonly，它已经写完新增、编辑、详情。
被压缩的不是前端，而是只写标准页面的溢价。
03 / 数据矛盾
大家都在用 AI，但还没有完全信它。
Stack Overflow 2025：开发者不信任 AI 工具输出准确性。
DORA 2025.2：认为 AI 对个人生产力有正向影响。
DORA 2025.2：对 AI 输出质量只有一点信任或不信任。
JetBrains：预计雇主未来会要求 AI 工具熟练度。
AI 把产能提前给你了，但没有把责任一起拿走。
04 / 交付判断
AI 生成页面，不等于交付前端。
- 数据从哪里来，字段语义是什么？
- 权限、编辑态、回显和异常怎么处理？
- 共享组件修改会影响哪些页面？
- 测试环境、UAT、生产分支怎么走？
05 / 边界校准
先冷静：不是神化 AI，也不是安慰自己。
不是 AI 永远不能交付。
上下文、契约和测试越完整，AI 越能接住真实工作。
不是会用 AI 就自然变强。
模糊需求直接丢给 AI，常常只是把返工也提效了。
不是所有前端都安全。
上下文少、责任轻、重复度高的工作，最容易被压缩。
06 / 业务案例
四个业务案例：先看哪里会炸。
案例一
远程下拉，不是“请求一下列表”这么简单
请求成功，页面没动。问题通常藏在渲染链路里。
AI 的正确位置
沿着 schema → FormItem → Select → options 查数据到底写到哪里。
人的价值
判断渲染源、过期请求、编辑态回显和共享表单影响。
07 / 方向
方向：把不确定性降下来。
从写 UI，到定义状态
默认态最好写，难的是异常态。
从接接口，到理解业务语义
前端是用户看到业务的最后一层解释器。
从改 bug，到守边界
知道改了哪里，也知道没碰哪里。
08 / 30 天计划
30 天计划：每天练一个真实小问题。
让 AI 帮你读代码
先画入口、store、接口、组件、提交链路。
让 AI 做提交前 review
重点查状态残留、异步竞态、回显和权限。
让 AI 补用户状态
补 loading、空数据、错误恢复和重复提交。
让 AI 写 lesson
把一次问题沉淀成下次可复用的判断。
09 / 结尾
别急着和 AI 比手速。
人的价值，是把真实系统里的不确定性降下来。
焦虑不是敌人。它有时候是在提醒你：这里还有一块不确定性没有被处理。
附录 / 提问小抄
Prompt 小抄：会后可带走。
不知道从哪里开始
先不要写代码。
请拆成：业务语义、页面状态、接口链路、验证清单。
最后指出最大的不确定性。
怕改炸共享组件
先分析影响范围。
按当前页面、同类组件、全局回归风险列出。
最后给最小改动建议。
不放心 AI 方案
反过来审查方案。
专门找它可能错的地方。
重点看上下文、业务语义、异步竞态、权限和回归。
沉淀经验
写成 lesson。
提炼成一句下次可复用的判断。
格式：问题、根因、方案、经验、文件。