AI 之后,前端这个岗位还剩什么
如果只看结论,2026 年的前端行业大概是这样一句话:前端没有被干掉,它被拆开了。
拆开的依据不来自情绪,而来自今年大厂自己写下的材料。把这半年几篇关键文章和一份深度采访并排读一遍,会看到国内几家大厂几乎同时在做三件事:
- 把 AI 写进研发流程,并且不再把它当玩具,而是当产能;
- 把团队经验做成 AI 可复用的资产,从“人记在脑子里”变成“Agent 读得懂的规则”;
- 把“前端 / 后端”这个岗位分类,从组织架构上抹掉。
这三件事是同一条线上的三个动作。AI 把写代码的成本压到接近零之后,组织重新计算了“为什么要按技术栈分人”,答案是:不再需要。
本文不是 AI 新闻汇总。它只回答一个问题:前端岗位的结构被谁改成了什么样,改成什么样之后,个人的价值落在哪里。
一、三件事同时发生
先把硬料摆出来,因为后面的所有判断都建立在这些数字上。
美团业务研发平台在 2026 年 5 月 7 日的《用 Agent 评测思路管理 AI Coding —— 31 万行代码 AI 重构的实践》里写得很直接:团队 90%+ 的代码由 AI 生成;承载这套 AI Coding 的系统,从 2025 年 6 月的不足 5 万行涨到 31 万行;月均交付 16 个需求(80% 业务需求 + 20% 技术需求);而团队人数,一年之内增长到 3 倍。
注意这组数字之间的关系:代码量涨了 6 倍多,人涨了 3 倍,而需求还在按月稳定交付。这不是“人变懒了”,这是单位人力的产出面被撑开了。
晚点 LatePost 在 2026 年 6 月 30 日的报道《AI 写了 90% 代码,大厂程序员的煎熬时刻》(本文链接为网易转载页)里给出了跨公司的横截面:中国大厂的 AI 代码率去年下半年只有 20%–30%,今年最高做到 90%;同期谷歌 4 月宣布 75% 的新增代码由 AI 生成;Anthropic 官方报告则称,截至 2026 年 5 月,其内部合入主代码库的代码超过 80% 由 Claude 独立编写并提交,而 2025 年初这个数字还是个位数。
字节跳动技术副总裁洪定坤在 2026 年 6 月 26 日的公开场合给出了一组同口径的数字:过去一年,字节的 AI 代码贡献率增长 6 倍多,AI Coding 的 Token 消耗增长 5 倍,AI 代码合入率增长超过 2 倍。合入率是个关键的指标——它衡量的是 AI 写的代码经过人工修正后,真正进入主干的比例,而它正在翻倍。
然后是两个信号级的事:
- 2026 年秋天,一张在多家账号之间同步传播的内部通告截图流传开来,内容是:“随着 AI Coding 的发展,公司决定以后不再按技术栈划分技术岗位,所有技术岗位统一称为 Agent 工程师。” 截图出自已离职创业的前阿里 P10 毕玄的飞书,并非阿里官方公告,但在传播窗口期被多个账号转载讨论。
- 2026 年 11 月 12 日,腾讯 28 周年司庆直播上,马化腾提出 AI Native 的人力结构调整(据自媒体《AI 夜读 11.14》转述)。
把镜头从数据移到人,会更具体。晚点那篇采访里记着三个名字:
- 飞猪一位 10 年资历的前端,6 月 11 日拿了离职大礼包,工区一半工位空了;
- Shopee 一位绩效年年第一的女工程师,6 月 8 日被通知离开;
- 上海一家大厂的商家端前端赵舒,离开的理由很直白:“后端自己就能写前端代码”。她被裁前的最后一个月完全没活儿,被裁后开始学 Python 补全栈去面试,面试官问的几乎全是 AI,她自评“70 分把握”。
还有 Shopee 的前端高虹,转投“agent 工程师”岗位面试时的感受是:“发现面试官经常还没有她懂。”
所以问题不是“AI 会不会取代前端”。这个问题在 2026 年已经不需要问了——部分取代正在发生,而且发生得比大多数人准备的快。
真正的问题是:如果“前端工程师”这个岗位名本身都要被抹掉,那么被抹掉的是岗位,还是我们以为的那个岗位?
我的答案是后者。我们以为的前端岗位,是一个由“切图 / 组件 / 联调 / 样式”定义的手艺活;而 2026 年大厂真正要取消的,是按手艺分工这件事本身。
二、先被切走的是“样板段”,不是“技能”
先说清楚一个容易被混淆的事:AI 接管的前端工作,不是“前端技能”,而是前端工作里规格明确、验收明确、错了能被自动发现的那一段。
阿里巴巴大淘宝技术团队在 2026 年 3 月的《AI Coding 前端实践后的复盘总结》里做过阶段性总结:AI 在样板代码、单元测试、UI 组件上的效率提升非常显著,但在复杂业务场景下仍然受限。这跟所有一线团队的体感是一致的——AI 写得出来的,是“需求文档里已经写清楚的东西”。
如果把一个前端工程师的一天拆开,大致是这样:
| 一天里的活儿 | 谁在做 | 为什么 |
|---|---|---|
| 照着设计稿切页面、调间距、写静态态 | AI 接管 | 规格明确、样式可枚举、错了截图就能看出来 |
| 搭 CRUD 表单、列表页、弹窗 | AI 接管 | 模式高度重复,样板代码占比极高 |
| 写单元测试、补类型标注、生成接口文档 | AI 接管 | 有明确的验收器(测试跑不跑得过) |
| 按接口文档接数据、写 mock | AI 接管 | 输入输出都写死了 |
| 和设计讨论“这个交互到底合不合理” | 人 | 需要判断意图,而不是翻译意图 |
| 在几套方案里选一个,并说清代价 | 人 | 需要对结果负责 |
| 上线后出了问题,判断是代码错还是需求错 | 人 | 责任无法外包 |
这张表和美团那组数字是对得上的:90% 的代码由 AI 生成,但 100% 的需求仍然由 RD 兼任测试(RD as QA),并且配了一套 Human-in-the-loop 的测试 SOP(美团 A1,2026-05-07)。
也就是说,产出代码的人变少了,验证产出的人没有变少。
还有一件事值得单独拎出来。字节跳动 TRAE 团队在 2026 年 3 月发布的《2026 企业级 AI 编程实践手册》里,前端部分的重点不是“怎么让模型写得更像人”,而是 Code Connect——建立设计稿与代码的映射,以及通过 MCP 协议接入外部系统。这说明前端领域真正的工程量,正在从“写 markup”转移到**“把设计意图、上下文、业务规则喂给 Agent”**。
模型侧也在补前端的短板:豆包 2.0 明确强调“强化前端语义理解、CSS 布局推理”。当通用模型开始专门优化前端的语义和布局理解能力时,前端工作里“写出来”这一层的护城河,是在以肉眼可见的速度变矮的。
三、省下来的时间去了哪:不是闲暇,是更快的交付预期
这一节我想单独写,因为它是所有一线从业者最真实的体感来源,而它跟“AI 让人轻松”恰恰相反。
晚点那篇报道里有一句被采访者反复说出的话:
“AI 带来的效率提升没有变成闲暇,原本十天的工作老板现在期待一天交付。”
同一篇里还有一句更冷的:
“先用 AI 替代别人,被默认是自己留下来的最好理由。”
理解这句话背后的机制,比记住任何一个百分比都重要。
考核单位没变,单位时间里的活儿变了。
于是你会看到一整套非常制度化的动作:
- 字节某团队把 AI 代码率写进了 OKR,并且用网站滚动统计;
- 阿里淘天集团有高层推动统一看板,每个人的 AI 使用数据对所有人可见;
- 美团要求各团队梳理“哪些工作流程可以被标准化、哪些环节可以沉淀成 skill”;
- 据晚点采访中的美团老员工转述,这家公司的 AI 代码率在自上而下强推后,从 10% 升到 70%–80%,很多人两周内就跑起来了。王兴见 AI 大佬之后的那句话被反复转述:“水已经涨上来了……不管是在里面扑腾还是怎么样,都要赶快学会游泳。”
所以真实的体感不是“活儿变少了”,而是同一份工时里被塞进了更多的东西。以前一个前端一周交付两个页面,现在要求交付两个页面加一套数据看板加一轮回归。
这也解释了为什么“效率红利”没有变成福利——红利被组织收走了,红利的分配权从来不在员工手里。
顺带说一句那位阿里内部 Coding Agent 开发者何川的形容:他说自己像在经历一场“内部大逃杀”,P7、P8、P9 各自卷各自的层级。他说:“每个人都希望在 AI 时代有自己的一席之地,但是很可能结果就是没有你的一席之地。”
这句话说得悲观,但它准确地描述了一种新的竞争机制——评价维度从“你写了多少”变成了“你让团队产出了多少、你对结果的可信度有多高”。
四、岗位的三个转折点
前面是现象,这一节是结构。我把今年大厂材料里能对上的变化,归纳成三个转折点。
转折点一:技术栈分类被取消——岗位从“分工单位”变成“责任单位”
最直接的证据就是那张网传截图:“以后不再按技术栈划分技术岗位,所有技术岗位统一称为 Agent 工程师。”
同一时期,多家职场媒体账号同题转载的说法是:蚂蚁、京东、美团、得物相继解散或合并了独立的前端部门;京东下架了“前端工程师”招聘词条;美团把前端团队并进后端。这里需要非常严谨地标注:
- 得物解散独立前端部门,据《码奸与工业革命》一文的说法发生在 2025 年 3 月,2026 年 11 月是再度发酵,而且得物官方已经回应;
- “蚂蚁今年七月(2026-07)把前端工程师这个岗位名从组织里拿掉了”这一说法,出自职场媒体,不是官方公告;
- 这些是网传与转述,不能当成既成事实写。
但方向是清楚的。晚点采访里,受访者给出了更精确的描述:
“岗位边界正在消融,如前端正在并入后端,新招岗位直接更名为’全栈’。”
那么问题来了:为什么组织要取消按技术栈分工?
分工存在的理由从来不是技术本身,而是降低沟通成本和学习成本。让一个前端去写后端接口,过去的成本是“三个月学习期 + 跨栈沟通损耗”;而 AI 把迁移成本压到了接近零——网传截图里那句“一个前端工程师想写后端接口,不需要先花三个月学”说的正是这件事。
当迁移成本趋近于零,分工的收益(省下的沟通与学习成本)就消失了,而分工的摩擦成本(沟通、等待、边界争议)依然存在甚至被放大。于是组织自然换一个切分维度:从“按语言和目录切”改成“按业务域和交付结果切”。
所以从前端到全栈,不是“多学一门语言”,而是岗位定义从一份技能清单换成了一份责任清单。你不再因为“会 Vue”而在这个岗位上,你因为“负责这个业务域的结果”而在这里。
转折点二:CR 与验收成为新瓶颈——人的价值从“写”迁移到“证”
这是三个转折点里最重要、也最容易被忽略的一个。
美团在 2026 年 10 月 29 日的《如何在“不能出错”的系统里使用 AI Coding?分布式存储实践与边界》里,给出了三句几乎可以单独当结论用的判断:
“AI 把瓶颈从’写’移到了’验证’。”
“AI 的错误不在代码里,而在代码之外。”
“流畅不是证据,一致不是正确,变绿不是解决。”
“流畅不是证据”这五个字,值得每个写代码的人多读两遍。模型跑通了一个流程、测试从红变绿、代码看起来很整洁——这些都不构成正确性。它甚至可能是错的。
美团基础技术部在那次实践里的具体做法很值得抄:全仓评审捞出 117 个疑似问题,最后36 条被红测试确认、3 条被证伪、41 条经源码确认、37 条仍未验证——注意最后那一栏,37 条悬而未决的没有被算进成果里。还有一组更硬的数据:11 天里扫了 67.8 万行 WARN 日志,覆盖 34 个调用点,最后落地的 5 个缺陷全部属实,零误报。CMake 改造则覆盖了 31 个构建文件。
这就是“验证”这项工作现在长什么样:它不再是看一眼 diff,而是设计一条能把错误逼出来的证据链。
所以美团 A1 里那句结论才是整篇文章的重心:
“当 90% 代码由 AI 生成,团队成员的工作重心应从’写代码’转向’设计并维护一个能让 AI 可靠产出代码的工程环境’。”
以及 CR 性质的改变:人工 CR 的价值,从“你写得对吗”变成了 “我们是否在正确的约束下解决正确的问题”。前者是查错,后者是定边界。
再补一条美团 A2 里的原则:AI Debug 只能当 “假设生成器”,根因认定必须由人做。以及他们设计的分层授权路径:只读分析 → 受控修改 → 受控执行 → 人工决策——越往后,责任越重、越不能外包。
结论很直白:AI 时代最贵的能力不是写代码,是为 AI 的产出签字。
转折点三:经验从“人的记忆”变成“组织的资产”
岗位分类被取消之后,组织立刻会害怕一件事:经验随人流失。
一个十年经验的前端脑子里装着这个业务域的所有坑:哪个字段可能是脏的、哪个流程三年前出过事故、哪个组件改起来会连带炸掉三个页面。这些过去靠“老同学的脑子”保存,一旦岗位合并、老人离开,能力就跟着消失。
所以今年大厂在做的第三件事,是把这些经验变成 Agent 读得懂的东西:
- 美团:把规范落地为 always 级的 AI Rule + Skill + 预 CR 校验,并把这套方法总结为从“人人对齐”到 “人机对齐”(A1);
- 阿里:天猫构建 “AI 全栈研发知识基座”,把业务文档与代码规范沉淀为团队可复用的资产,解决“通用大模型不懂业务逻辑”的问题(大淘宝技术,2026-03);同月的另一篇《AI Coding 思考:从工具提效到范式变革,我们还缺什么?》把瓶颈说得很清楚——“知识重复建设、难以降本增效”;
- 字节:TRAE 手册拆解 Context 工程,前端侧用 MCP 接外部系统、用 Code Connect 建设计稿与代码的映射;
- 腾讯:2026 年 3 月 11 日上线 SkillHub,一个“专为中国用户优化的 AI Skills 社区”——把技能包/SOP 产品化。
连一线前端团队的自我节奏也变了。收钱吧前端团队在《AI Coding 实践:从盲用到掌控》里总结了一套适配前端工作节奏的使用 SOP;携程机票前端团队则写过《你的 AI Coding 为什么卡在 Copilot?》,结论是:卡住的地方往往正是上下文没配好。
这两篇不是大厂官方材料,但它们比官方材料更说明问题——当“给 Agent 配上下文”变成日常工序,前端人的核心工作就已经从写代码变成了写配置。
于是“老前端”这个角色的价值也变了:从“写得快”变成 “规则写得好”。
过去你的经验写在脑子里,现在要写成 Agent 的 Rule。
五、四家大厂,四种解法
同一个问题,四家给出的答案不一样,但拼在一起就完整了。
| 公司 | 今年做了什么 | 对前端岗位意味着什么 |
|---|---|---|
| 美团 | 90% 代码由 AI 生成 + Agent 评测体系 + 分层授权(只读分析→受控修改→受控执行→人工决策)+ RD as QA(美团 A1、A2) | 岗位从“交付代码”变成“设计并维护一个能让 AI 可靠产码的工程环境”;AI 代码率被直接写进考核 |
| 阿里 | 天猫 AI 全栈交付实践 + AI 全栈研发知识基座 + Qoder AI 原生 IDE(专家团模式、2026 世界互联网大会领先科技奖;企业方口径称服务 800 万用户);千问办公 2026-08-03 公测 | 工具层把“一人多栈”做成默认能力;沉淀层把业务知识变成共享资产;管理层用统一看板驱动个人提效 |
| 字节 | TRAE《2026 企业级 AI 编程实践手册》(Context 工程、前端 MCP + Code Connect);豆包 2.0 强化前端语义理解与 CSS 布局推理;洪定坤披露 AI 代码贡献率一年增 6 倍多、Tokens 增 5 倍、合入率增超 2 倍;TRAE AI 创造力大赛 3.7 万开发者参与;2026-11-03 内部新规限制外部 AI 工具访问内部代码库 | 模型与工具正在专门补前端的短板,同时把 AI 使用纳入考核、纳入治理边界 |
| 腾讯 | WorkBuddy(全场景 AI 办公智能体)+ CodeBuddy(面向软件研发)双产品线,刘毅任腾讯云副总裁;2026 Q1 活跃用户留存率超 60%、付费用户留存率超 80%;2026-11 通过中国信通院 FDE 检验并启动生态伙伴;SkillHub 技能社区 2026-03-11;CodeBuddy CN 与阿里云百炼 Coding Plan 均已走付费 | 从“工具免费试用”到“按人效付费 + 第三方认证 + 生态分成”,AI 能力开始直接决定岗位编制与预算 |
四段里各有各的看点。
美团是把“怎么管 AI 写的代码”这件事做到最深的一家:从 Agent 评测思路、分层授权,到把“人人对齐”改造成“人机对齐”。它给出的岗位定义非常完整——你要设计的不是代码,而是一个能让 AI 可靠产出代码的工程环境。
阿里是三条线同时推:工具(Qoder 作为 AI 原生 IDE,而非“IDE + 插件”)、知识(天猫的 AI 全栈研发知识基座)、管理(淘天集团的统一看板,每个人的 AI 使用数据对所有人可见)。Qoder 的专家团模式有个很形象的说法:“1 段话喊来 13 个’程序员’”。
字节这里要分清三种声音:TRAE 手册是“我们想帮你把前端做快”;洪定坤的数字是“我们自己也已经这么干了”;而 2026 年 11 月 3 日的内部新规是“外部工具不许碰我们的代码”。三层放在一起,才是一个完整的组织答案:加速采纳,同时收紧边界。
腾讯的动作最集中在产品侧:把 AI 编程变成有留存率、有付费、有第三方认证、有生态伙伴的商业产品。有个细节值得注意——在桌面端月访问量上,腾讯 WorkBuddy 2097 万、字节 TRAE IDE 1279 万、阿里 QoderWork 788 万(澎湃新闻,2026-08-10)。AI 原生 IDE 正在抢“桌面入口”,而入口的位置最终会决定编制。
至于腾讯内部前端团队自己怎么讲岗位变化——目前没有找到 2026 年的官方长文。社区里能读到的《前端不会被 AI 干掉》《AI 对大前端项目的冲击,【大前端++】来抵御》是 2025 年 10 月到 12 月的一线争论,不该包装成“腾讯今年说了什么”。但其中那句判断依然值得留着:“AI 不是消灭职业,而是让它更精英化”,以及——“未来真正值钱的前端,不是会写代码的,而是懂得用代码营造 vibe 的人。”
六、被压缩的部分:不是消失,是下沉
有一个反直觉的结论:前端岗位里被压缩掉的那部分活儿,并不是凭空消失了,而是下沉到了三个地方。
- 下沉到模型:样板代码、UI 组件、单元测试、接口文档;
- 下沉到工具链:脚手架、CI、构建系统(美团 A2 的 CMake 改造就覆盖了 31 个构建文件);
- 下沉到流程:规范、验收、审计、权限(美团那套分层授权,本质就是把“能不能改”变成了一条流程规则)。
下沉不等于消失。样板代码从“人一行行敲”变成“按规则生成”,但规则本身还是人写的,规则错了还是要人负责。所以新的岗位能力,是“写规则”而不是“写代码”。
这里有一个特别值得注意的观察角度:最先被压缩的,是最底层、最没有议价权的那批人。 新周刊《AI 冲击下的码农群像:外包人员池急剧萎缩,写基础代码饭碗难保》(新浪财经 2026-11-05 转载)记录的就是这个——外包和基础技能岗位的池子在快速收缩。这既是“下沉”最直接的受害者,也是一个提醒:下沉是有顺序的,站在金字塔上层的人不会最后被影响,但也不会免疫。
至于招聘市场,有自媒体给出一组很吓人的数字:过去一年前端岗位开口暴跌 51%;也有自媒体称“前端 + AI”复合技能的薪资溢价达 40%。这两个数字都来自自媒体口径,我没有找到可交叉验证的原始数据源,所以只把它们当作“有人这么说”的区间来看——趋势可信,数字待验。
七、四条反对意见,正面回应
一篇讲“岗位被改了”的文章,最容易被四条反对意见打回来。与其绕开,不如一条条正面回应。
1. “岗位收缩 ≠ AI 替代”
这条批评非常成立。媒体上也有明确的反例校正:字节武汉团队的人员调整,更多是业务线收缩,而不是 AI 直接替代的结果。
更关键的是,晚点那篇报道里有一句必须被引用的限定:中国公司没有一家公开宣布因 AI 替代而裁员。汰换主要是柔性方式完成的——不招新人、不续签合同、业务调整。晚点里那个残酷的时间线也是这么呈现的:630(6 月 30 日)成为一组人共同的 Last Day——飞猪 6 月 11 日、Shopee 6 月 8 日、美团某部门 6 月 17 日有 30% 的人收到通知。
所以本文也不能用“裁掉”这种字眼描述大厂前端。本文讲的是结构变化,不是失业人数。 总量在不在下降、结构在怎么变,是两个需要分开回答的问题。
2. “你引的数据都是自媒体说的”
对。所以本文的正文里,硬数据只用可点开原文核对的那些:美团的两篇官方博客(31 万行、90%+、117→36/3/41/37、67.8 万行 WARN、31 个构建文件)、晚点那篇深度报道、字节洪定坤在证券时报的公开发言、澎湃新闻的月访问量对比。凡是自媒体口径的数字,本文要么标注“有自媒体给出 X 口径”,要么不写。
如果一个数字找不到出处,它就不该出现在这篇文章里。
3. “全栈化只是让前端更累”
这个担忧是真实的,腾讯云社区《AI 对大前端项目的冲击,【大前端++】来抵御》里的说法就很直接:“现在前端几乎没人要了,因为后端使用 AI 辅助开发基本上也能满足基本需要。”
但晚点那句“效率提升没有变成闲暇”恰恰说明:全栈化如果只是接更多活儿,那是失败的全栈化。 成功标志有两个——单位人力的业务吞吐量上升,并且判断权没有旁落。如果第二个条件不满足,第一个条件的意义就要打折:你不只是干活更多了,你是把自己变成了一个更便宜的执行单元。
美团 A1 那句结论可以当作标准:工作重心转向“设计并维护一个能让 AI 可靠产出代码的工程环境”。 这个角色不是“活更多”,而是“负责让活少出错”。
4. “AI 写的代码越多,人越轻松”
用美团 A2 的三句话就能回应:“流畅不是证据,一致不是正确,变绿不是解决”,以及 “AI 的错误不在代码里,而在代码之外”。
产出变多不等于风险下降。验证成本才是新的稀缺资源。 一个能写出 10 倍代码但说不清这些代码为什么对的团队,比一个写得少但每行都追责的团队危险得多。
另外还有一条正面证据值得放在这里:网传截图里那句 “一个前端工程师想写后端接口,不需要先花三个月学”——迁移成本下降,正是 AI 对个人最直接的贡献。它把“转全栈”从一个需要咬牙坚持三年的事,变成了一个可以边干边学的事。
八、岗位名没了之后,个人往哪站
如果要给一个可执行的框架,我建议把“前端是否消失”这个问题拆成三个可以回答的子问题:
- 你所在团队的岗位名还在吗?(组织层:Agent 工程师 / 全栈 / 按业务域切分)
- 你交付的东西还是“代码”吗?(产物层:规格、规则、验收标准)
- 出事时谁负责?(责任层:签字的人不能外包)
三个问题的答案越往右,岗位越稳。如果一个岗位在第 1 层就被改名、在第 2 层已经不再交付代码、在第 3 层找不到责任人,那它离“被压缩”就不远了。
由此有四条行动项,每一条都对应前面的一手材料:
一、把判断力产品化。 学会写 always 级的 AI Rule、Skill 和验收脚本,让规范从“文档里的建议”变成“Agent 每次都会执行的约束”。这对应美团的“人机对齐”(A1)——你的经验不写下来,就等于不存在。
二、把验证当成主业。 补上“给 AI 的产出写证据链”的能力:红测试、日志审计、回归、可复现的缺陷描述。这对应美团 A2 的 117→36 那套动作——能证伪的人,比能写字的人更稀缺。
三、往业务域走。 通用语法是公共品,业务规则不是。天猫“知识基座”的价值全部来自业务知识沉淀;如果你的经验无法被写成一条业务规则,那它就还只是个人技巧,会随人一起消失。
四、守住审美与品味。 这是模型最难替代的一层。腾讯云社区那篇文章的结论说得很好:“未来真正值钱的前端,不是会写代码的,而是懂得用代码营造 vibe 的人。” vibe 不是玄学,它是在多个都“能跑”的方案里,判断哪个对人更舒服的能力——这需要审美、直觉和大量练习,恰好是当前模型的弱项。
再加一条来自晚点采访的提醒,也是我认为最重要的:把“我一个人能顶过去”变成“我能让团队都顶过去”。 AI 时代的稀缺不是个人产能,是定义约束、沉淀规则、承担最终判断的人。
结语
回到开篇的三个信号:美团的 90%、阿里那张网传的“Agent 工程师”截图、腾讯司庆的 AI Native。
它们指向同一件事:技术岗正在从“按技能分类”转向“按责任分类”。 在这套新分类里,“前端”这个标签会越来越像“熟练使用某个框架”——它描述的是你从哪来,而不是你负责什么。
所以真正该问的不是“前端还在不在”,而是:在新的责任划分里,我负责的那一块,别人拿不走吗?
如果答案是“我的工作就是写那些 AI 现在能写得比我快的东西”,那不管岗位名叫什么,风险都是一样的。反过来,如果你手里握着业务规则、验证证据链和最终判断,那么岗位名怎么变都无所谓——因为组织最终需要有人为结果负责,而那一定得是一个具体的人。
岗位在缩,价值在移。从前端工程师到 Agent 工程师,变的不是称呼,是我们能签名的范围。
资料卡
本文引用的可核对来源,按可信度分层列出:
大厂官方技术博客(原文可直接阅读)
- 美团技术团队《用 Agent 评测思路管理 AI Coding —— 31 万行代码 AI 重构的实践》,2026-05-07
- 美团技术团队《如何在“不能出错”的系统里使用 AI Coding?分布式存储实践与边界》,2026-10-29
- 字节跳动 TRAE 团队《2026 企业级 AI 编程实践手册》,2026-03
- 大淘宝技术《AI Coding 前端实践后的复盘总结》《知识基座:让“AI 越用越懂业务”的团队经验实践》《AI Coding 思考:从工具提效到范式变革,我们还缺什么?》,2026-03
深度报道与公开发言
- 晚点 LatePost《AI 写了 90% 代码,大厂程序员的煎熬时刻》,2026-06-30(本文链接为网易转载页)
- 证券时报 / 第一财经《OpenAI 内部 Token 流向剧变,Codex 几乎“通吃”》,2026-06-26(含字节洪定坤公开发言)
- 澎湃新闻《“AI办公”博弈背后:争夺企业数字化规则定义权》,2026-08-10
- 观察者网《两轮升级之后,腾讯 WorkBuddy 如何回答“规模化考题”》,2026-11-03
一线社区讨论(原始发表于 2025 年底,非今年文章)
- 腾讯云开发者社区《前端不会被 AI 干掉》,原始发表 2025-10-03
- 腾讯云开发者社区《AI 对大前端项目的冲击,【大前端++】来抵御》,2025-12-10
引用说明:文中涉及组织调整的网传截图与自媒体数据均已标注“网传”“据报道”或“自媒体口径”;凡是无法在原始出处核对的百分比,本文未予采用。
如果你更关心个人层面的行动清单(而不是组织层面的证据),可以接着看站内那篇 《AI 发展下的互联网开发圈现在就是一场大逃杀》——那篇讲的是怎么在牌桌上留下,这一篇讲的是牌桌本身被换掉了。
评论