最近帮公司做终面，面了几十个自称“精通AI前端”的候选人。

结果很残酷：10个里面有9个，只是在简历里写了“熟练使用Cursor/Coze”。

剩下的那1个，不仅能聊清楚 Transformer 的 Token 开销，还能手撕 WebGPU 的矩阵计算。

我知道现在大家都很焦虑，都在往 AI 赛道挤。

但我想泼一盆冷水：如果你达不到下面这个“及格线”，建议你先别去面，去了也是当陪跑。

前端ai领取：

​​​​​​​https://github.com/encode-studio-fe-coder/natural_traffic/wiki/scan_material5

---

01. 别再吹嘘“我用AI写代码”了

面试的第一个死法，就是大谈特谈：“我用 Cursor 一天能写 3000 行代码。”

拜托，面试官也是这么干的。

会用 AI 写代码，已经是 2025 年的入职门槛，不是核心竞争力。

面试官真正想听的是：

“我是怎么约束​ AI 写出高质量代码的？我是怎么Review​ AI 生成的烂代码的？”

及格线应该是这样的：

• Prompt Engineering 落地：别说你会写提示词。要说你会用 Few-Shot​ 和 Chain-of-Thought​ 优化生成结果。

• 代码质量控制：你要能指出 AI 生成的代码哪里有 内存泄漏，哪里 性能瓶颈​ 明显，并且能亲手改掉。

如果你只是把 AI 当搜索引擎用，那你只是个“高级复制粘贴工程师”，随时可以被更廉价的劳动力替代。

---

02. 必须懂“浏览器底层”和“端侧算力”

现在的 Web 前端 + AI，早就不是调个接口那么简单了。

面某大厂时，我听到最离谱的一个回答是：“模型太大加载慢？那就让用户换个好电脑。”

当场 Pass。

合格的候选人，必须能聊透这两点：

1. WebGPU / WebGL 的硬核优化

面试官问：“怎么在浏览器里跑 7B 的模型？”

别回答“用 Transformers.js”。

你要回答：“用 WebGPU 做 Compute Shader 计算，用 WASM 做 SIMD 指令集优化，把模型量化到 INT8，显存不够就做分页加载。”

2. 性能极限的把控

• 首屏 LCP：你能不能把 AI 应用的 LCP 压到 1.5 秒以内？

• 流式渲染：SSE 过来的 Token，你怎么用 DocumentFragment和 requestAnimationFrame做到 60FPS 不卡顿？

• 内存回收：AI 推理产生的巨型 ArrayBuffer，你怎么及时 GC？

记住：AI 是大脑，前端是身体。身体不强壮，大脑再聪明也是瘫痪。

---

03. 工程化：从“调包侠”到“架构师”

很多前端死在第三面，因为只会写页面，不会搞工程。

面试官问：“如果我们要做一个 AI 写作工具，支持多人实时协同编辑，你怎么设计？”

错误答案：“用 WebSocket 同步。”

正确答案：“用 CRDT（Yjs）​ 解决冲突，用 Operational Transformation​ 保证一致性，前端用 Web Worker​ 隔离计算，防止 UI 阻塞。”

你必须掌握的工程化深度：

• 构建工具：Rspack/SWC 的插件机制你改过吗？

• 模型管理：前端怎么缓存模型？怎么热更新模型权重而不刷新页面？

• 监控体系：怎么监控 AI 推理的耗时？怎么追踪 Token 的消耗成本？

---

04. 给想入行者的真心建议

如果你现在还在死磕 Vue 的响应式原理，或者 React 的 Diff 算法，赶紧停手。

这些知识 AI 比你知道得多，也比你背得准。

你需要补充的是 AI 时代的“稀缺认知”：

1. 补图形学基础：线性代数、矩阵运算。不懂数学，你连 WebGPU 的 Shader 都看不懂。

2. 补网络协议：HTTP/3、QUIC、SSE、WebSocket 的底层差异。AI 应用对实时性要求极高。

3. 补成本意识：以前前端不关心钱，现在你要关心 Token 计费。怎么用缓存减少 API 调用？这是你作为架构师的价值。

---

写在最后

5 月份的面试战场已经打响。

纯 Web 前端的岗位会继续萎缩，但“Web + AI”的岗位会爆发。

不要等到 HR 告诉你“薪资倒挂”或者“HC 冻结”时才后悔。

要么你现在就去啃 WebGPU 和端侧推理，要么等着被那些啃了的人淘汰。

这话说得重，但真的是我这几天面试最真实的感受。

共勉。别让你的技术栈，停在 2023 年。​ 🚀