切换深色模式
S115｜北京大厂前端开发：AI合并岗位边界，提效也加深替代焦虑
行业： 互联网 / 软件开发
地区： 北京
人物与概要
互联网大厂前端开发人员，从业约十年
投稿人通过前端承担后端、数据和产品需求的经历，认为AI正在合并原有岗位边界。他介绍公司的平台与知识工作流，也描述成就感减少、人员需求收缩和转岗机会变少的焦虑，并回应英语交流中的顾虑。
视频来源： 「观众投稿分享」20261013：互联网大厂开发、市政工程建设、高校教师观众投稿
读信时间： 00:00:16—00:06:38
正文为公开视频读信的整理文本，标题与概要由整理者概括。来信中的经历与判断请结合原视频阅读。
本文对AI、平台能力和岗位变化的判断来自所在团队经验，不能代表所有研发岗位；文中Hive等技术词仍可能误识别。
2026-10-19已对来源转录的人名、数字及英文术语进行重点复核，明确误识别已修正；仍非逐字人工听校定稿，待核项见校对记录。
投稿正文
好,博主你好,看了你视频很久了,突然想分享,首先介绍一下自己。北京某大厂,前端开发,刚10年,行业受AI影响很大。大家都说前端影响很大,这当然是事实,但实际上后端影响也不小。举我们的例子就是前端大规模变少,同时后端也在变少,此外前端也在做后端的工作。AI影响下,因为前端过去的组织形式更多是一种资源岗位,就是一个前端部门支撑多个业务部门。这样大家都说headcount之后,因为前端没有业务了,因为业务部门缩减了,所以前端没有业务,那前端受到的影响自然更大。
其实在我看来,AI对研发最大的影响就是大大降低了开发门槛,核心的开发人员不可替代,但是普通的开发人员基本上都能替代了,而且普通的开发需求,什么岗位都能做一点。我现在就会承接部分后端需求,我们产品会做前端需求,后端也会做前端需求,而像之前有为观众分享的数据需求。我也做了我们产品的部分数据需求,并且录入给了公司作为公司一个观测指标。我也按照9月1号那期提到的几个点做一个回应。一,安全。首先呢,安全问题是存在的,AI从安全角度来说,就是让一个外部服务访问你的数据,
代码等等。一年前很难想象公司会让我们用外部公司的服务来访问这些,然而这个问题在AI时代可能很好解决。首先非核心数据用云服务就行了,各家都有,比如你用GPT不一定要买GPT的服务,你可以用微软,用亚马逊的。其次,特别考验安全的情况下呢,因为现在国模各种开源,并且呢,AI的服务接口也特别简单,这特别方便于私有化部署,有些小工作室就会自己部署GLM或者是DeepSeek。更关键的是,部署智力除以价格的这个比值会越来越低。二,关于数据量极大。我做的需求大概是从我们公司的Hive,
这个表里去获取数据,跑离线,算分子和分母,得到公司员工的一个某某数据给公司老板看。这种需求在AI之前呢,前端是比较难做的。但是有了AI，我也是能完成了。我们产品的数据分析都是自己研发来完成的,当然这部分毕竟不是我的专业。三,复杂度。这个可能不同公司不一样,可能我们公司内部平台比较完善。就数据平台而言,我去年年底用的时候确实不好用,但是今年用了之后,数据平台已经可以维护得很好了。平台有自己的agent,很多平台复杂操作,直接和平台口述就行。
同时公司也有工具,可以通过自己的agent调用平台的API能力脱离平台。此外,我的工作流之一就是每日AI凌晨定时任务总结我在公司聊天软件上的信息,沉淀我的个人知识,我也会录入文档。这样我让agent去做各种需求的时候,可以阅读我的知识。四,核对。这个确实是一个问题。这个问题AI只能解决一部分,最终还是需要人来解决。可能我们公司对于AI的使用是很激进的,所以我们的同事都很焦虑。你应该能感受到,我们AI使用的特别深入,而我们用的越深入,对于被替代的预期就会越激烈。
我们很多时候就是互相聊一下,转述给AI。也有少部分一些流程就是AI在互相聊天。在我看来,AI最大的冲击不是一下把某某职位干没了。目前组织形式还是依赖人,每个节点还是需要人。AI是一下把某某职位都给合并了。每个人能做的东西都变多了,比如我们有些需求产品自己来开发,前端来做后端,后端来做前端。只是每个模块最终还是需要有一个owner的人。但这已经大大减少了所需要的工作岗位。过去智力是一种宝贵资源,但是现在智力就是一个服务,24小时在线。我很多需求都是在公司的开发机上,
而不是公司给我的电脑上。因为开发机夜里也能跑一些需求的部分。另外,我觉得AI对SaaS整个行业挺灾难的。很多提效工具理论上公司都可以使用AI来自己做了,或者招一个人用AI做,完全定制,顺着老板的意思。此外,我的工作没有之前压力那么大了,但是更无聊了。我只需要同时多线程和同事讨论,然后让AI读我,和同事讨论的聊天记录就行了,少了很多的成就感。我的判断是,高薪互联网行业后面会像顶级的金融投行一样,只会更看重学历,招少量高学历人才,一个人只要聪明就行了。
除了大厂，关于周围这些年去创业，和上一波创业，也就是16年那会儿，感受很不一样。首先,除了模型厂,没有听说很成功的。而且很多去年看着还不错的创业项目,今年就感觉不行了。当年创业还很流行刷履历,创业不行还能回大厂,现在这个完全不存在了。我自己也投过简历,感觉机会也很少了,当然也可能我这个年纪和职级能去的公司本来就没什么。当然AI的发展可能不会年年这么快,今年的快速发展得益于Code Agent,作为各种通用Agent架构的一个快速普及。相比基模的提升,
这个的提升影响很大。Code Agent就是最好的通用Agent,你只需要加上各种知识和Tool就行了。关于英语的部分,我很认同,虽然我英语更菜,基本不能交流,只能听个七七八八。不过在我和我们同事交流的过程当中,如果对方是英文的native speaker,你只要说单词他就能懂,很多人可能是太想着语法或者专业词汇卡住了。另外口语问题,因为新加坡同事很多,他们各种口音都有,根本没有标准的美音英音,和美国同事基本上都是线上打字,这个借助聊天软件就行了。
感谢您的视频,来自刚下班的我,没用AI写的狗。
归属待确认的片段
关于国模的口头释义与开源原因插话归属不确定，单列保留 来源视频 00:02:36
就国产大模型啊,虽然我不知道他们为什么会开源。
故事评价与启示
以下为整理者分析，与投稿原文分开。
评价
前端承担数据、后端和部分产品任务，说明岗位边界正被工具重新组合，而不只是单项工作变快。个人能做更多却成就感下降，反映成果控制与工作意义未必随产量增加。对整个SaaS行业的灾难判断仍需逐类产品验证。
启示
多角色能力需要配套需求澄清、测试与维护，不能把代码生成视作全部交付。英语交流应以清楚传达和协作结果衡量，不必把口音等同于能力。
值得关注的点
- 跨岗位任务是否匹配权限、报酬与时间，个人是否成为所有问题的最终承担者。
- 内部自建工具的长期维护和责任成本，是否真正低于采购与协作方案。