求解

面试官说八股招过来的存在能力不足的现象，此次面试以项目面为主，加粗的是我没准备好怎么回答合适的自我介绍，提到实习带来的成长介绍公式编辑器的动机、调研、技术栈的确定、数据结构设计、渲染器设计有没有想过优化构建速度（这个真没有）；继续介绍数据结构的扩展问题、可扩展导出逻辑带入变量值、给出计算结果（我觉得这个需求不是一个公式编辑器该做的）；内置公式模板（这个难度不高）；看目录结构设计、对 Taro API 的跨端封装、配置文件；代码生成脚本日志记录器需求、展示已经存储的字段；打开 UI长列表有没有做性能优化（这个 Flutter 内置）；让你做一个原生性能优化怎么做（提出一个分 chunk 请求与加...

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 → viewagent：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 B4 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 demoAI 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。

在前端性能优化中，懒加载几乎是必考概念。但很多人一提懒加载，只能说出两句话：路由懒加载用 import()图片懒加载用 IntersectionObserver这在真实项目和面试中，远远不够。这篇文章从加载对象、作用层级、真实业务动机三个维度，系统讲清楚——前端里到底有哪些懒加载，以及它们各自解决什么问题。什么是懒加载？一句话定义：懒加载 = 把“现在不需要的东西”，从初始化阶段推迟到真正需要时再加载。本质目标只有三个减少首屏资源体积降低初始化 JS 执行压力提升关键性能指标（FCP / LCP / TTI）前端懒加载的完整分类总览可以按 懒什么 来分类：分类懒加载对象路由级懒加载页面模块组件...

... 去年暑假也就是我大一下的暑假开始学前端 前后端中选了前端 到现在半年多了 前端成这行情了 该何去何从 程序员该何去何从