AI 把写页面的时间压短了，剩下的事才决定谁被留下

AI 把页面和样板代码的产出时间压短了，但没有把上线后的责任接过去。要不要转、要不要补课，先看四步流程里谁做判断、谁签字。

AI 到底接走了哪些活

材料列得很具体：生成初始布局和可复用组件、写样板代码和基础函数、找潜在 bug 并给修法、生成测试用例和技术文档、比较不同解法。这些活过去很占时间，现在能压缩掉一大块。
但材料也给了一个限制：演示里好看的网站，仍可能有安全漏洞、性能问题、集成故障或糟糕体验。生成代码只是其中一段，代码能不能被别人接手、出问题能不能查，是另一段。
所以“AI 会不会替代网页开发者”这个问题问得有点粗。它先替代的是从零敲出第一版的体力活，不是判断这版能不能上线的责任。前者可以按次数算，后者必须有人签字。
同样，“会用 AI 的人替代不会用的人”也太省事。会用只是入场券。真正的分水岭在验收：你能不能看出生成结果哪里不可信，能不能补上失败路径。

哪些能力反而更值钱

材料列了五类：理解业务需求、系统设计与架构、调试与代码评审、安全与性能、沟通与解决问题。换成求职语言，它们对应的是很具体的工作：

• 需求：把“做个会员系统”拆成角色、权限、支付失败怎么办、退款谁审批。问题问错了，AI 会很快生成一个很完整的错误答案。
• 架构：数据库怎么选、API 怎么分、状态放哪、以后加功能会不会推倒重来。这些是取舍，不是语法。
• 调试与评审：AI 代码可能看起来正确，却藏着细微错误。要会验证假设、测边界，而不是跑通一次就收工。
• 安全与性能：认证、授权、数据保护、可访问性、加载速度。功能能用，不等于能上生产。
• 沟通：客户很少带着完整规格来。能把业务目标翻译成方案，再用简单话解释技术决定，本身就是交付能力。

这五项有个共同点：都要对“不确定”负责。AI 擅长给候选答案，不擅长替你承担选错的后果。
如果面试官让你讲一个 AI 参与的项目，只讲“我用它生成了一个网站”信息量很低。能讲清楚为什么删掉某个方案、怎么验证、出问题怎么回滚，才说明你在做工程判断。

四步流程里哪一步最容易失守

材料把流程拆成 Plan、Generate、Review、Test 四步。顺序不复杂，难的是每一步都有人真正负责。

1. Plan：定义问题、需求、约束和预期结果。这步偷懒，后面生成越快，错得越整齐。
2. Generate：用 AI 探索方案、起草代码、加速重复劳动。这一步最容易制造“看起来很完整”的假象。
3. Review：检查正确性、可维护性、安全性和兼容性。这是分水岭，也是最容易被跳过的一步。
4. Test：补测试。只测正常路径不够，权限边界、异常输入、失败重试都要覆盖。

常见的失效方式很朴素：

• 需求没写验收标准，AI 按常见套路补了一个“合理”答案，评审时没人能说它错。
• 评审只看命名和格式，不看它假设了什么，安全与兼容问题就漏过去。
• 测试只覆盖顺利路径，上线后第一次异常输入就暴露。
• 没有回滚方案，发现问题只能现场热修。

这些不是模型能力问题，是流程里没人对“假设”负责。下一步不是换更强的工具，而是把评审做成固定动作。

评审清单怎么写才不流于形式

与其每次凭记忆看一遍，不如让 AI 先按固定格式交代风险，再由人判断。下面这份模板只负责把不确定的地方摆出来，不替你做决定：

你是一个代码评审者。只做审查，不改代码。
输入：需求约束、目标运行环境、本次变更的 diff。
输出四部分：
1. 可能导致线上故障的假设
2. 安全与权限风险
3. 性能与兼容性风险
4. 必须补的失败用例
每条写清触发条件和验证方式；无法判断的写“需要人工确认”。

拿到输出后，别急着接受。逐条问：这个假设在当前项目成立吗？验证方式我能实际执行吗？如果答案是否定的，就把它降级成待确认项，而不是当成结论。
配合一份很短的决策记录也够用：

• 需求约束是什么
• 考虑过哪些方案
• 为什么放弃其中一个
• 用什么方式验证
• 出问题怎么回滚

作品集里附上 AI 生成前后的差异和一条失败用例，比放十张页面截图更能说明问题。这个做法适合已经有项目可讲的人；如果连一个完整项目都没有，先做小功能，不要急着包装。

不同背景的人下一步先补什么

有前端基础、主要做页面的人：先补调试、测试、安全、性能这四块。挑一个现有页面，让 AI 改一版，然后自己写失败用例、做一次权限检查、记录一次回滚步骤。做完要能说出哪几处不能信 AI。适用条件是你能拿到代码和运行环境；只能看教程、无法跑项目的话，效果会差很多。
想转 ai应用开发 但还没编程基础的人：先学一门语言，再补 HTTP、数据库和基本调试。否则你无法判断生成结果对不对，只能把“能运行”当成“正确”。这条路不保证更快找到工作，也不保证收入；它只是让你在面试里拿得出可验证的判断过程。若目标只是无代码搭建，路径不同，别把两件事混在一起。
已经在职的人：把每次 AI 产出的决策记录留一条，三个月后回看哪些判断错了。错得最多的那类问题，就是你下一步该补的课。这个动作成本低，但比反复收藏工具清单有用。

什么情况下该停下来

涉及支付、登录授权、用户数据、合规要求的改动，不适合让 AI 单独决定。团队没有测试环境、没有评审人、没有回滚方案时，先补这三样，再谈提效。AI 可以继续用来生成候选方案，但不能用来替代验收。
把 AI 当助手这句话已经被说烂了。真正的问题是：哪一步必须由你签字。想清楚这个，再决定学什么。