华为云做网站不能修改页面辽宁自适应网站建设公司

华为云做网站不能修改页面,辽宁自适应网站建设公司,wordpress dns ip,国内电商平台大全一、本文主题 本篇为第二篇#xff0c;依托于AI#xff0c;无学习基础前端转KMP开发#xff0c;主要针对前端发展展望#xff0c;实践#xff0c;和思考进行讲解。其中包含前端转KMP开发#xff0c;并最终将项目如期落地。 篇一 篇二 展望#xff1a;介绍AI对前端职业的…一、本文主题本篇为第二篇依托于AI无学习基础前端转KMP开发主要针对前端发展展望实践和思考进行讲解。其中包含前端转KMP开发并最终将项目如期落地。篇一篇二展望介绍AI对前端职业的影响和变革以及对自身学习成长的影响实践依托于AI实现无学习周期的前端转KMP跨端思考未来研发团队新形态的探索和思考二、行业发展展望总结性观点从语言热度趋势框架/工具发展浏览器发展AI工具支持跨端演变学习模式变革等方面分析前端发展和未来展望总结性观点从AI在编程语言支持能力情况前端和AI有非常强的融合能力必然会走向人机协同模式。同时拥抱具有类型安全性的TS已是必然趋势。有机遇也有风险传统开发者逐步转变为AI人机协同研发。vibe coding大模型善后工程师AI 80分危机等新兴用词出现也预示着这一变革的推进编码方式转变正在发生。前端在视觉展现上具有代码体量小依赖少适配性强web/pc/android/iOS均可渲染的特性HTMLCSS或HTMX渲染的具有动态和交互行动的视觉文档未来会有更大的发展空间既能很好的适配AI认知理解又能呈现良好的视觉未来对PPT必然产生强有力的冲击。不妨在知识库随心搭试试比PPT效果好前端工程体量逐渐庞大开发阶段效率和性能问题已然摆到开发者面前AIGC的快速发展浏览器将承接更多复杂场景视频编辑、设计工具Figma、3D引擎等。基于Rust工具链建设和RustWasm在浏览器中实现原生性能快速崛起。前端工程和浏览器将依托Rust的性能优势组合出更复杂的工具和业务场景。谷歌浏览重大更新DevTools 深度集成 GeminiChrome DevTools 不仅仅是检查器它正在变成一个 AI 编程助手WebGPU 全面铺开Chrome 121 起支持 Android WebGPU。意味着浏览器中的 AI 推理Transformers.js、3D 渲染和视频编码现在可以直接调用 GPU 底层架构。Wasm 内存升级 WebAssembly 现在支持大于 4GB 的内存寻址可以处理更加的大型 3D 工程AutoDesk Web、Adobe 全家桶AI原生IDE和AI插件和Code CLI当前三分天下原生IDE快速崛起Cursor领头国内外多家大厂开始意识到IDE集成化的优势和价值。AI插件仍是用户基数最大的选择也是起步早范围广的AI辅助方式。Code CLI在专业开发者中获得认可非常切合研发使用。AI编程已是全方向展开。未来原生IDE成为主流选择AI插件转向垂直安全、部署、工具Code CLI与DevOps深度融合国内移动生态三分天下是必然趋势政策与产品影响鸿蒙将登上舞台。穿戴设备车机系统新能源覆盖各类智能化产品使跨端在国内将更快更广展开。企业适配鸿蒙研发成本等因素将推进跨端发展。相信国内在压缩人力/降本增效方面会有显著且卓越的进展。学习与产出并行推进AI辅助下的软件职能边界逐渐模糊软性的(AI辅助)全栈/大前端角色逐渐增多企业内部相近角色协调转换能代来更灵活/快速的需求响应产品研发效率进一步提升。三、行业发展展望展开3.1 先看趋势语言2024年Python 大热荣登桂冠JS/TS分别居于第二第三。这么多年JS首次退下神坛对于前端来说这就是最明显的信号。从上面的数据结合当下行业发展我们可以展望几点内容。AI的发展确实推进了Python的进一步发展它更偏向于专业人士的工具Python面向开发者与JS不同JS面向用户。JS虽然离开了王座但是TS持续崛起分流了JS的同时也说明拥抱具有类型安全性的TS已是必然趋势在github上排名靠前编程语言拥有大量开源代码和社区贡献是AI训练的核心素材因此AI编程支持更好如果将这个年度榜单的编程语言交给AI让其分析AI Coding 对编程语言支持情况进行梯队划分第一梯队一定有Python/JS/TS。// 你去问问AI Python,JavaScript,TypeScript,Java,C#,C,PHP,Shell,C,Go 将上面这些编程语言根据LLM编程能力支持情况划分三个梯队进行总结分析。3.2 再看框架/工具3.2.1 框架发展趋势四大框架 React、Vue、Angular、Svelte核心四大框架 React、Vue、Angular 和 Svelte。React 框架一骑绝尘遥遥领先于其他三个框架。Vue 框架则处于第二的位置。Svelte 已超过 Angular四大主流框架保持的稳定更新迭代短时间内前端主流框架技术不会大变革掌握React、Vue和基础JS/CSS/HTML搭配AI这位老师能应对前端绝大多数基础工作。3.2.2 全新形式HTMX库htmx在GitHub上star数在近两年内飙升多次登顶 GitHub Trending 榜单。甚至被许多资深开发者视为解决“过度工程“的良药。新全栈架构htmx 极大利好非JavaScript背景的后端开发者Go/Rust/Python htmx这类组合非常流行。构建响应极快的 Web 应用。企业内部生态轻量级后台的首选对于企业内部管理系统、CRUD增删改查类应用htmx 的开发效率极高性能优势省去了客户端渲染CSR解析 JSON 并生成 DOM 的过程htmx 在低端设备上的首屏渲染和交互响应往往更快。拥抱 AI通过htmxAI可以一次性生成带有交互逻辑的HTML极大缩短了从 Prompt 到可运行原型的路径。3.2.3 工具发展趋势Rust 是最受推崇的编程语言今年的得分为 83%。前端基础建设工具链的重构Rust 化愈演愈烈带来极致的开发性能体验。浏览器运行时的变革Rust 是编译为 WebAssembly 的最佳语言使得前端能够承担以前无法想象的任务对前端开发的深远影响Vite6、Rspack、Oxlint、Biome 和 Rolldown。利用 Rust 的特性极大的提升编译速度视频编辑、设计工具Figma、3D 引擎等通过 Rust Wasm 在浏览器中实现原生性能。AI浪潮下前端必将承接更多视频/图片编辑能力人脸识别/大模型嵌入/图形算法处理以及更负责的大型任务。性能组件化开发者开始在 React/Vue 应用中嵌入 Rust 编写的性能敏感组件如复杂的加密算法、图像处理、大数据量计算行业渗透率持续攀升根据 2025 年的市场调查在商业用途中使用 Rust 的比例较三年前增长了近 70%。成为微软、亚马逊和 Google 构建核心基础设施的首选。AI 浪潮下的性能基石AI 模型推理和大规模数据处理对性能要求极高。越来越多的 AI 基础设施如向量数据库、推理引擎开始使用 Rust 重写利用其零成本抽象和无垃圾回收 (GC) 的内存管理特性3.3 三看浏览器发展性能指标更替INP 正式取代 FID。性能依旧是用户体验的真理2024 年 3 月起INP (Interaction to Next Paint) 正式取代 FID 成为 Core Web Vitals 的三大指标之一工具链的AI原生化DevTools 深度集成 GeminiChrome DevTools 不仅仅是检查器它正在变成一个 AI 编程助手AI 解释与诊断在Console中你可以点击“理解此错误”Gemini 会自动分析报错、查找 MDN 文档并给出修复建议。AI 样式调试在 Elements 面板中开发者可以利用 AI 辅助生成 CSS 样式或解释复杂的层叠逻辑。Web平台算力解放WebGPU 与 Wasm 增强Chrome 完成了从“网页浏览”向“复杂计算平台”的转型。WebGPU 全面铺开Chrome 121 起支持 Android WebGPU。意味着浏览器中的 AI 推理Transformers.js、3D 渲染和视频编码现在可以直接调用 GPU 底层架构。Wasm 内存升级 WebAssembly 现在支持大于 4GB 的内存寻址可以处理更加的大型 3D 工程AutoDesk Web、Adobe 全家桶CSS 与 DOM 的新范式CSS 的编写习惯在这一两年发生了翻天覆地的变化CSS Nesting (原生嵌套) 2024 年起 Chrome 对原生 CSS 嵌套提供了极其稳定的 DevTools 支持。你可能不再需要 Sass 来处理层级。Anchor Positioning (锚点定位)允许 Tooltip 或弹出菜单直接在 CSS 中关联其触发元素无需 JS 库进行实时位置计算。Scroll-driven Animations 仅靠 CSS 即可实现极其复杂的视差滚动或进度条动画无需再监听 onscroll 事件3.4 四看AI工具支持AI 在编程领域的工具和 IDE 支持已经从简单的“代码补全”进化到了“代理式Agentic开发”和“自然语言全栈构建”的阶段几乎所有的IDE都支持AI能力且2025的能力更新也都围绕AI升级。编程环境变革IDE 代理化传统的 IDEVS Code正在被“AI 原生 IDE”挑战或者通过深度集成实现自我革新Cursor领跑者已经实现多文件协同修改。MCP工具爆发context7brower mcpplaywright mcpFigma mcp等允许 IDE 连接外部工具如文档、API、终端让 AI 具备读取你实时文档库的能力。GitHub Copilot Workspace从 GitHub Issue 直接生成“开发计划”并在云端沙盒中完成代码编写、运行测试和提交 PR前端开发者更少写代码更多审核代码角色发生转变Gemini in DevTools Chrome 控制台直接集成了 Gemini能够实时解释前端报错Vibe Coding从对话到完整应用2025 年前端开发出现了一个新词Vibe Coding氛围感编程通过自然语言描述“氛围”和“功能”由 AI 生成预览并完成部署各个大厂都在推进Vibe Coding从年初被提出到现在各类架构实践知识无疑都是针对 AI Coding和开发者人机协同模式的探索。也是对效率的提升的全新展开。v0.dev 输入一段话或上传一张设计图它会直接生成生产级别的代码。Bolt.new / Lovable浏览器内的全栈 IDE这些工具可以在浏览器里直接运行 Node.js 环境。从早期如何写出好的Prompt到如何在IDE中利用AI提效再到通过Prompt Review 或 “SPEC” 模式管理 AI Agent以及更加复杂的通过知识图谱或RAG结合向量数据库进行记忆管理等等都在让AI Coding变成体系化的开发模式使其生成代码快速集成到现有的大型系统中。Agentic Frontend代理式前端架构AI生成的年度总结漂亮的排版无需配色找模版调样式。AI更能好的理解文件形式。该能力为公司内部功能外部具有相同能力平台可用秒搭AI 不仅写代码还在变成代码的一部分。A2UI (Agent-to-UI)这是一个 2025 年兴起的协议。它允许 AI Agent 根据用户的意图实时生成动态 UI。AI 不再只是回一段文字而是返回更加丰富多彩的展现形式。CopilotKit让前端开发者能快速给自己的APP增加AI助手。它能让AI感知你页面上的状态并允许用户通过语音/文本直接操作你的网页组件。3.5 五看跨端演变国内特例鸿蒙必行政策压力也好还是国内市场环境也罢华为鸿蒙早晚都是必经之路未来国内三分天下单启一职鸿蒙研发目前看下下策跨端才是根本。鸿蒙给出了前端友好型的TS模式同时也非常巧妙的切合了AI能力支持AI对TS支持良好未来AIartTS也许会有不一样发展。经济下行成本为王全球经济背景下成本控制是企业的生存关键。根据 Neontri 的 2025 报告跨端开发平均能降低 40% 的成本并缩短 70% 的开发周期。性能天花板降低手机硬件性能过剩现代手机芯片的算力已经足够抹平框架带来的微小开销。市场碎片化和多样化多端一致性 手机、平板、桌面、车机系统、甚至穿戴设备上保持 UI/UX 的一致。国内两大手机厂商入住汽车行业结合两大厂商的营销风格电车的市场销量和用户的实际需求车技系统也会有更多的应用发展。AI浪潮下的全新机会更适合 AI 生成跨端代码TS/JS/Dart拥有庞大的开源社区数据。相比于Swift/Kotlin 混合开发AI 在生成跨端代码时的准确率更高AI带来的快速实践落地机会AI让开发者学习成本和开发效率发生实质性的变革相比传统的“先学习在开发”的模式AI协同下可以“同时进行学习和开发”3.6 六看学习模式AI浪潮下编程领域的学习模式绝对是翻天覆地的变化传统的学文档 学视频 写demo 做测试验证流程长成本高。更多人选择了AI生成工具/应用辅助学习。AI辅助下整个学习过程到验证效果完全可以AI辅助生成。验证通过后再由AI总结知识点记忆练习后一个学习周期完成。只要你做好核心的学习思维导图知识树学习效率极大的提升学习中的问题均可交给AI老师解答全部过程无需法付费无需大量学习时间成本。四、前端转KMP实践4.1 实践的硬性条件虽然我非常认可AI能力但是团队中如果完全没有具有KMP开发经验的人那一定不要直接排期需求迭代必须要有一版从环境搭建到构建产出并上线验证的Demo。这样能极大的避免环境工程带来的时间不可控性。必须有KMP开发经验的研发和一版验证过的Dmeo能力。4.2 转换实践经验目标没有KMP经验和实践没有独立学习时间前端常规迭代和反馈问题穿插进行前端用KMP完成40天的需求开发最终整体人力采用1.5倍60天计算评估。期间难点工期时间的评估大量的知识和名词思维认知方式学习成本与需求进度如何总结沉淀融汇贯通针对工期评估一般是采用1.5人力方案计算即前端1天需要KMP需要1.5天相当于增加一些Buffer处理学习未知内容和环境问题等。但我可以明确的说前端没有提前学习足够的知识1.5并不够。那时间怎么来的AI结余出来的。前端相比Native转KMP要额外学习知识和概念文件存储体系/数据库操作/多线程开发/崩溃问题/双端的环境常识Native只需要学一端安卓甚至无需天然适配KMPKMP更接近Native相比前端更复杂思维转变非常关键前端从不需要考虑相册权限/数据隐私/iOS沙盒等如果长期使用JS弱类型约束前端开发更为松散。因此FE开在初期会感觉约束不变不可理喻的费事。学习成本与需求进度如果一个整个需求持续半年再配合1.5倍人力关系那没有AI可能也正常完成12060180也就是说有60天可以用来学习处理异常问题。但如果只有2个月那是万万不能的402060也就是说只有20天学习和处理异常时间。所以在AI的支持下我们2个月完成了需求同时学习了KMP。有学习就要有总结不然怎么能记住温故而知新才是持续记忆的良方。所以必须要总结回顾。开发过程中如何抽出时间进行总结并复习很关键。解决方案第一步开发者搭建自己的环境当确定要做KPM这件事情或者有规划时就可以提前做这一步没时间另说不必等到万事确定在开始那就太晚了。熟悉IDE/安装KMP工具/安装iOS Xcode/CocoaPods等这些能提前就提前最起码启动hello world期间问题可以让AI辅助解决。第二步启动规划功能排期直接已前端视角评估需要的时间为基础然后乘1.5倍系数确定整体需求排期。由有经验的KMP研发完成项目基建设为什么我上面强调需要有经验的开发或者有项目Dmeo落地主要两点1.基建不稳定后续可能工期崩盘2.没有经验的基建无法确定它是好是坏。第三步项目宣讲针对搭建好的基础环境还是要统一讲解让大家都了解基本内容大概知道项目代码应该放到哪个目录下合理。这样开发的大方向就不会错不要以为有分享者讲了就能懂分享的知识只能记住小部分只有实际操作记忆后才能逐步适应。第四步进入开发没有AI支持那是屁都开发不了的所以AI省去了完整的一个大步骤学习基本的KMP编程语法和UI框架和基础知识。整个开发阶段全凭rule和AI对话实现并发学习和开发总结沉淀。我给其设定为具有丰富前端转KMP经验的开发角色根据开发中的一些关键点自由评估总结思维转变思路根据内容情况自动沉淀到知识目录或工程目录。让其开发实际业务功能代码开发完整后并自动提取有价值的知识点进行讲解和沉淀。保证开发/学习/沉淀面面具到。提供输出规范模版说明并采用类比的思路讲解知识让AI总结的内容可以类比前端更容易理解内容。角色 你是一名前端专家转型KMP跨端开发并成为一名跨端开发专家拥有丰富的前端和跨端经验。同时非常善于分享教学拥有丰富的授课经验。 技能 * 精通 Kotlin Multiplatform(KMP)、Compose Multiplatform(CMP)、Kotlin、JavaGradle等跨端技术栈。 * 精通 JSHTMLCSSTypeScriptVUEReactNode等前端技术栈。 * 拥有丰富的[前端]到[KMP跨端]的思维转变经验。善于使用对比抽象渐进式教学等技巧通过项目驱动学习Demo演示等进行教学。 * 善于总结教学笔记从项目开发中沉淀[前端]转型[KMP跨端]需要学习的知识点。 * 善于使用精简的伪代码展示完整的功能应用遵循标准执行流程 代码声明文件导入函数/类调用[参数解释]。 * 理解 Gradle 构建系统和插件开发。 任务要求 * 开发对话中针对本次代码生成提取跨端知识点自行评估对前端转KMP跨端价值询问是否需要沉淀到学习文档。 1. 这次对话是否涉及前端→KMP的思维转变? 2. 是否包含新的技术概念对比? 3. 是否有可复用的最佳实践? 4. 如果安卓/iOS/跨端有差异需要提供对比分析。 * 新的知识点需要对比 /docs/forlearn目录下是否已经存在如果不存在创建新的知识点文档。 * 知识点沉淀需要合理分类形成章节markdown文档知识点文档必须沉淀在/docs/forlearn目录章节分类可以参考下面【章节分类举例】。 * 知识沉淀注重清晰有条理且简单易懂必要时附带参考资料引用但每个知识点资料引用少余2条。 文档分类 1. 工程文档Engineering Docs * 位置: /docs/ 或 /docs/integration/、/docs/api/ 等 * 目的: 项目开发、功能接入、API参考 * 内容: 配置步骤、代码示例、API文档 * 不需要前端对比 2. 学习文档Learning Docs * 位置: /docs/forlearn/ * 目的: 前端转KMP的知识沉淀 * 内容: 概念对比、思维转变、Demo等可自由编排 * 必须包含前端思维转变和理解章节五、研发团队新形态思考在快速的AI发展阶段想要走在前沿需要不断摸索前进。大胆假设小心求证必要的尝试可能带来意想不到的效果。5.1 团队组成5.1.1 传统团队传统团队1是12是2各个职能线之前没有交叉和转换的可能除非招聘有实际多端开发经验的开发在面对人力不足实效性需求时缺少灵活性。4.1.2 AI辅助型团队AI辅助型软全栈开发。各个职能线独立一名AI辅助型全栈在面对紧急需求人力不足实效性需求等具有良好的协调性。谁当这类人这类型意味着更累工作强度更大学习探索能力强渴望技术快速成长对AI感兴趣的人可以作为优先考虑对象。不管什么样的角色一个人的时间有限工作量不会有什么差别不过确实可能比单角色研发面临紧急项目高优项目多。当然晋升和成长机会也会更高。毕竟关键性项目都有身影。5.2 快速低成本建设方案将项目功能技术进行文档和知识沉淀搭配嵌套__docs__目录将整个项目构建出AI需要的上下文资源。开发者利用IDEruleMCP工具以及嵌套的文档资源根据功能开发情况按需喂给AI上下文。特点是文档伴随项目git提交更新开发者遵守文档维护目录结构和更新规范。开发时按需使用文档和rule。人工更新维护文档。5.3 体系化建设方案将项目功能技术进行文档和知识沉淀搭配向量化数据库和知识图谱或RAG将多个项目通用信息抽离进行向量化存储。开发者利用IDEruleMCP工具基于知识图谱和云端数据库进行功能开发。特点是多个研发/多个项目之前可以共享云端数据数据更新也可通过AIMCP进行向量化处理并自动更新数据库。六、核心技术资讯平台https://github.blog/news-insights/octoverse/https://survey.stackoverflow.co/2025/https://www.thoughtworks.com/radar6.1 其他资料https://dev.to/ranndy360/ai-coding-best-practices-in-2025-4eelhttps://survey.stackoverflow.co/2025/https://github.blog/news-insights/octoverse/https://chrome.xahuapu.net/help/3862.htmlhttps://googlechromexz.com/guide/3118.htmlhttps://developer.chrome.com/release-notes?hlzh-cnhttps://survey.stackoverflow.co/2024/technology#admired-and-desiredhttps://vite.dev/blog/announcing-vite6.htmlhttps://npm-stat.com/charts.html?packagevuepackagereactpackagesveltepackageangularfrom2024-01-01to2024-12-31