03-07 08:44 门头沟学院 算法工程师 发布于广东
关注
前端转agent是如何拿到三个大厂offer的
我本科一直做 Web 相关开发，技术栈主要是 React / Node / TypeScript / Python。
一开始接触大模型，其实和很多人一样：写 prompt、接 API、做点 demo。
但很快我就发现，如果只是“调 API + 写 prompt”，其实很难真正做出复杂的 AI 应用。
这篇文章主要分享一下：从前端工程师转向 Agent 开发，我的一些经验和踩过的坑。
一、很多人刚接触大模型时，会觉得 AI 应用开发就是：
写 Prompt
调 OpenAI API
输出结果
但实际上，如果要做复杂应用，真正的问题通常是：
上下文管理（Context Engineering）
工具调用（Tool Use）
任务轨迹设计（Agent Trajectory）
状态管理（Memory / State）
成本与延迟控制
这些其实更接近 系统工程问题，而不仅仅是 prompt 的问题。
二、前端背景有几个优势
1 状态管理经验
前端：
state → view
agent：
state → reasoning → action
本质类似。
2 工程能力
前端工程师通常很熟悉：
模块化
API 设计
工程结构
渐进式披露（很重要）
这些在 Agent 框架设计里很重要。
3.相关技术栈
openclaw，cluade code和opencode均使用typescript作为其主要开发语言，ts在agent项目里的使用比重很高。
三、Agent 的核心其实是“轨迹”
很多人以为：
prompt → answer
但 code agent 实际是：
thought
→ tool call
→ observation
→ thought
→ tool call
→ ...
所以关键问题变成：
如何设计agent loop
如何设计 tool
如何设计 observation
如何管理上下文
四、最近面试和做项目的过程中，我也有一些反思：
1 多复盘，而不仅仅是做项目
很多时候不是做得不够多，而是复盘不够。
2 定量大于定性
不要只说“优化了性能”，而是尽量给出指标：
- latency ↓
- token cost ↓
- success rate ↑
3 多方案 trade-off
工程问题通常没有唯一答案，关键是：
- 方案 A
- 方案 B
- 为什么选 B
4 技术要服务业务
不仅要看技术指标，还要看：
- 用户体验
- 成本
- 整体业务效果
5 尽量 close ticket，而不是一直做 demo
AI 领域很容易陷入“做很多酷的 demo”
但真正的工程能力是：解决具体问题并落地。
五、如果你也是 Web 开发背景，其实完全不用焦虑“AI 门槛很高”。
很多 AI 应用开发，本质上还是工程问题：
系统设计
状态管理
工程架构
只是多了一个新的组件：LLM。
如果你已经有扎实的工程基础，再补充一些：
LLM 基础
Agent 设计
Context Engineering
其实是可以很自然地转过来的。
一开始接触大模型，其实和很多人一样：写 prompt、接 API、做点 demo。
但很快我就发现，如果只是“调 API + 写 prompt”，其实很难真正做出复杂的 AI 应用。
这篇文章主要分享一下：从前端工程师转向 Agent 开发，我的一些经验和踩过的坑。
一、很多人刚接触大模型时，会觉得 AI 应用开发就是：
写 Prompt
调 OpenAI API
输出结果
但实际上，如果要做复杂应用，真正的问题通常是：
上下文管理（Context Engineering）
工具调用（Tool Use）
任务轨迹设计（Agent Trajectory）
状态管理（Memory / State）
成本与延迟控制
这些其实更接近 系统工程问题，而不仅仅是 prompt 的问题。
二、前端背景有几个优势
1 状态管理经验
前端：
state → view
agent：
state → reasoning → action
本质类似。
2 工程能力
前端工程师通常很熟悉：
模块化
API 设计
工程结构
渐进式披露（很重要）
这些在 Agent 框架设计里很重要。
3.相关技术栈
openclaw，cluade code和opencode均使用typescript作为其主要开发语言，ts在agent项目里的使用比重很高。
三、Agent 的核心其实是“轨迹”
很多人以为：
prompt → answer
但 code agent 实际是：
thought
→ tool call
→ observation
→ thought
→ tool call
→ ...
所以关键问题变成：
如何设计agent loop
如何设计 tool
如何设计 observation
如何管理上下文
四、最近面试和做项目的过程中，我也有一些反思：
1 多复盘，而不仅仅是做项目
很多时候不是做得不够多，而是复盘不够。
2 定量大于定性
不要只说“优化了性能”，而是尽量给出指标：
- latency ↓
- token cost ↓
- success rate ↑
3 多方案 trade-off
工程问题通常没有唯一答案，关键是：
- 方案 A
- 方案 B
- 为什么选 B
4 技术要服务业务
不仅要看技术指标，还要看：
- 用户体验
- 成本
- 整体业务效果
5 尽量 close ticket，而不是一直做 demo
AI 领域很容易陷入“做很多酷的 demo”
但真正的工程能力是：解决具体问题并落地。
五、如果你也是 Web 开发背景，其实完全不用焦虑“AI 门槛很高”。
很多 AI 应用开发，本质上还是工程问题：
系统设计
状态管理
工程架构
只是多了一个新的组件：LLM。
如果你已经有扎实的工程基础，再补充一些：
LLM 基础
Agent 设计
Context Engineering
其实是可以很自然地转过来的。
全部评论
孩子我想要offer
华南师范大学 前端工程师
主包有什么推荐的知识资源吗，我也是前端开发但是想多了解这部分的内容
qwe1233
西安交通大学 Java
我是面的后端进去做agent开发，感觉如果能找到好的相关文章的话，一周足以，其实现在代码都是交给Claude code写[笑cry其他再写的过程中就学就行了[羞涩]
寄了的小太阳很有担当
重庆邮电大学 前端工程师
相关技术栈
openclaw，cluade code和opencode均使用typescript作为其主要开发语言，ts在agent项目里的使用比重很高。
这些是ai产品还是技术栈？另外使用ts做agent你有用到一些agent框架吗，还是自己手搓？
牛马人的牛马人生
第一拖拉机制造厂拖拉机学院 C++
大佬太强了给大佬打Q
创作小队长
牛客创作者运营
大佬，你写的很好啊，这篇非常有参考价值诶，我私信你啦~
创作小队长
牛客创作者运营
大佬太强咯!
aimlessly
华中科技大学 算法工程师
agent开发找实习要学微调或者大模型底层相关的知识吗
相关推荐
查看24道真题和解析 点赞 评论 收藏
分享
点赞 评论 收藏
分享
