大家好，我卡頌。

最近DeepSeek R1爆火。有多火呢？連我爺爺都用上了，還研究起提示詞工程來了。

大模型不斷發展對我們前端工程師有什么長遠影響呢？本文聊聊25年前端會有的一個小趨勢。

模型進步的影響

像DeepSeek R1這樣的推理模型和一般語言模型（類似Claude Sonnet、GPT-4o、DeepSeek-V3）有什么區別呢？

簡單來說，推理模型的特點是：「推理能力強，但速度慢、消耗高」。

他比較適合的場景比如：

• Meta Prompting（讓推理模型生成或修改給一般語言模型用的提示詞）
• 路徑規劃

等等。

這些應用場景主要利好AI Agent。

再加上一般語言模型在生成效果、token上下文長度上持續提升。可以預見，類似Cursor Composer Agent這樣的AI Agent在25年能力會持續提升，直到成為開發標配。

這會給前端工程師帶來什么進一步影響呢？

一種抽象的理解

我們可以將AI Agent抽象得理解為「應用壓縮算法」，什么意思呢？

以Cursor Composer Agent舉例：

我們傳入：

• 描述應用狀態的提示詞
• 描述應用結構的應用截圖

AI Agent幫我們生成應用代碼。

同樣，也能反過來，讓AI Agent根據應用代碼幫我們生成「描述應用的提示詞」。

從左到右可以看作是「解壓算法」，從右往左可以看作是「壓縮算法」。

就像圖片的壓縮算法存在「失真」，基于AI Agent抽象的「應用壓縮算法」也存在失真，也就是「生成的效果不理想」。

隨著上文提到的「AI Agent」能力提高（背后是模型能力提高、工程化的完善），「應用壓縮算法」的失真率會越來越低。

這會帶來什么進一步的影響呢？

對開發的影響

如果提示詞（經過AI Agent）就能準確表達想要的代碼效果，那會有越來越多「原本需要用代碼表達的東西」被用提示詞表達。

比如，21st.dev[1]的組件不是通過npm，而是通過提示詞引入。

相當于將「引入組件的流程」從：開發者 -> 代碼。

變成了：開發者 -> 提示詞 -> AI Agent -> 代碼。

再比如，CopyCoder[2]是一款「上傳應用截圖，自動生成應用提示詞」的應用。

當你上傳應用截圖后，他會為你生成多個提示詞文件。

其中.setup描述AI Agent需要執行的步驟，其他文件是「描述應用實現細節的結構化提示詞」

這個過程相當于「根據應用截圖，將應用壓縮為提示詞」。

很自然的，反過來我們就能用AI Agent將這段提示詞重新解壓為應用代碼。

這個過程在25年會越來越絲滑。

這會造成的進一步影響是：越來越多前端開發場景會被提煉為「標準化的提示詞」，比如：

• 后臺管理系統
• 官網
• 活動頁

前端開發的日常編碼工作會越來越多被上述流程取代。

你可能會說，當前AI生成的代碼效果還不是很好。

但請注意，我們談的是「趨勢」。當你日復一日做著同樣的業務時，你的硅基對手正在每年大跨步進步。

總結

隨著基礎模型能力提高，以及工程化完善，AI Agent在25年會逐漸成為開發標配。

作為應用開發者（而不是算法工程師），我們可以將AI Agent抽象得理解為「應用壓縮算法」。

隨著時間推移，這套壓縮算法的失真率會越來越低。

屆時，會有越來越多「原本需要用代碼表達的東西」被用提示詞表達。

這對前端工程師來說，既是機遇也是挑戰。

參考資料

[1]21st.dev:https://21st.dev/?tab=components&sort=recommended

[2]CopyCoder:https://copycoder.ai/