news 2026/5/1 2:05:30

# 我用AI编程两年,差点被“驯化”:一个前端开发的反思

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
# 我用AI编程两年,差点被“驯化”:一个前端开发的反思

从依赖AI到被限流惊醒,再到重新找回自己的“决策权”和“创造力”。这篇文章记录了一个前端开发者在AI浪潮中的真实心路历程,希望能给你一些启发。

前言

作为一名前端开发,我从2024年初开始使用AI工具辅助编程。当时买的是Copilot,深度集成在VS Code里。一开始只是让它帮我写写简单函数、补全某个组件;到2026年,我已经习惯把整个需求丢给它,让它生成完整计划,我再一步步执行。

直到今年4月初,Copilot开始限制我的请求次数——那一刻我才猛然意识到:我已经离不开它了

回顾这两年,我经历了四个阶段。


第一阶段:我来看看AI能做啥

最初,我只把AI当成一个辅助工具。让它生成重复性的函数,问问它“这段代码能怎么优化”“这个方法有什么问题”。我的定位很明确:它辅助我,我不断试探它的边界。

还记得有一次我让它翻译一段中文,它回复说:“我是一个专注编程的工具,不会做这些任务。”——现在想想简直像上个世纪的事。

随着大模型快速迭代,我发现它变了。更能理解我的意图,变得更“智能”。于是,我进入了下一个阶段。


第二阶段:这也能搞?我来试试

那段时间我在学Rust,经常被所有权、生命周期之类的编译报错折磨。我需要同时问好几个大模型,然后把它们的答案拼凑起来,再自己尝试解决。

但Copilot的智能体模式更新后,一切都变了。它不仅能给出解决方案,还会自己执行、验证。我只需要把报错贴给它,然后等它输出方案、等它验证、等它告诉我结果……然后进入下一个循环。

这时候我产生了一种错觉:AI好像没有上限了。它这也能搞,那也能搞。我开始习惯说:“你会那你来,我看着。”

但渐渐地,焦虑也来了——AI都能做,那要我做什么?


第三阶段:AI能做,要我干啥?

网上的新闻中前端团队一个接一个被优化,越来越多同行被迫转全栈。我的焦虑也水涨船高。每天刷到AI又干了什么大事,我就陷入内耗,反复计算自己还剩多少“职业寿命”。

Agent、Skill、Open Claw……新工具、新模式层出不穷。大家都心知肚明:开发者早晚会被淘汰。只是没人知道那一天到底多远。

那种无力感,像温水煮青蛙。


第四阶段:哪些事AI做不了,但我能做?

直到我的Copilot被限流、然后到期,我被迫停下来,开始认真思考这个问题。

我发现一个有趣的现象:随着AI普及,大家越来越依赖它,但产出也越来越“AI化”。有些内容你一眼就能看出来是AI直接生成的,连改都没改过。
我觉得我们好像都得了一种病——“AI病”,解药是Token

在这个人人拥抱AI的时代,有哪些事是AI做不了、但我能做的?我总结了三点:

1. 差异化

各大平台现在都在打击纯AI生成的内容,因为它们同质化太严重,一眼假。
真正的差异化,是在AI生成的内容之外,加入自己的思考、自己的经历、自己的视角。这些是AI没有被训练过的样本——就算它未来会学走,至少此刻,这是“一手”的。

2. 决策权

AI能做的事越来越多,但指挥棒仍然在我们手上。就算它说得天花乱坠,最终要不要执行,还是由我们决定。
然而现实中,越来越多人在丢失自己的决策权,完全依赖AI“怎么说就怎么做”。这很可怕——仿佛AI在慢慢驯化我们。原本它是工具、是生产力,现在却变成了指挥棒。
会不会有一天,我们被彻底驯化,然后被悄然淘汰?

3. 创造力

我始终把AI定位为工具。使用什么工具,取决于我要做什么——也就是从0到1的那个“1”是什么。
过去我们受限于能力、资源,很多事想做却做不了。现在AI来了,生产力无限放大,我们能做成很多以前做不到的事。
但重点是:你要做什么?如果不清楚这一点,AI再强也帮不了你。


最后

引用杨立昆的观点:大模型是“死胡同”,它们永远无法达到人类水平的智能(“我的世界模型”才是正途,哈哈)。

不管怎样,我觉得人应该是一个独立、有弹性、会思考、会创造的生物,不应该成为AI的奴隶。

愿我们每个人都能善用AI这个工具,去完成自己的理想,而不是被它取代。

你被"驯化"了嘛? 哈哈哈

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/1 2:01:24

【独家首发】Dify 2026文档解析精度优化内参:基于217万真实业务PDF的误差热力图+12个高危Layout Pattern规避指南

更多请点击: https://intelliparadigm.com 第一章:Dify 2026文档解析精度优化全景概览 Dify 2026 版本在文档解析引擎层面引入了多模态语义对齐机制,显著提升了 PDF、扫描件及混合格式文档中表格、公式与上下文语义的联合识别准确率。核心升…

作者头像 李华
网站建设 2026/5/1 1:56:22

土壤监测物联网应用:传感器及模组供应商快速甄选方法

做智慧农业项目,尤其是土壤监测这块,最耗时间的往往不是技术研发,而是找供应商。土壤温度、湿度、EC值、pH值,每种传感器对应一拨厂商;NB-IoT、LoRa、4G模组,又是另一拨厂商。一个个搜、一家家问&#xff0…

作者头像 李华
网站建设 2026/5/1 1:54:19

M2XFP技术:4-bit量化在LLM推理中的突破

1. M2XFP技术解析:面向高效低比特量化的元数据增强微缩放数据格式在大型语言模型(LLM)推理加速领域,量化技术已成为平衡计算效率与模型精度的关键手段。传统4-bit量化方法(如MXFP4、NVFP4)虽然显著降低了内…

作者头像 李华
网站建设 2026/5/1 1:50:28

28nm FPGA硬核内存控制器架构与优化实践

1. 28nm FPGA硬核内存控制器架构解析 在嵌入式系统设计中,内存带宽往往是制约整体性能的关键瓶颈。传统软核内存控制器需要消耗大量可编程逻辑资源,且难以满足高速DRAM接口的时序要求。Altera Cyclone V系列FPPGAs采用的硬核内存控制器(Hard Memory Cont…

作者头像 李华
网站建设 2026/5/1 1:49:22

05_yolox_s的后处理截断并导出onnx

目的是得到以下模型:1、 官方yolox_s的源码和yolox_s.pth获取 https://github.com/Megvii-BaseDetection/YOLOX2、 修改yolo_head.py的forward,替换为以下def forward(self, xin, labelsNone, imgsNone):outputs []for k, (cls_conv, reg_conv, stride_…

作者头像 李华