前端 → AI 应用 / Agent 开发转行指南

为什么说前端此刻机会不错

所有 LLM 产品都长着一张"对话框脸"。Token 级流式输出、打字机效果、中断重试、工具调用过程的可视化——这些体验的工程难度不低，做过的人不多。你离"AI 应用工程师"的距离比大多数岗位都近。

• 天然衔接点一：流式输出 SSE——EventSource 与 fetch stream 你本来就会；
• 天然衔接点二：Chat 组件状态机——消息队列、会话记忆的前端侧组织；
• 天然衔接点三：AI 编程工具——Cursor/Copilot 深度用户转型成本更低。

补什么

1. LLM 认知最小集：LLM 基础概念⭐题（面试开场必问）；
2. Prompt 工程：不只做参数传递，要懂结构与评测 → Prompt 专题；
3. 后置 but 必要：RAG 流程概念 → RAG 系统⭐题；Node/Python 任选其一做服务端 Demo；
4. 差异化选题：对 GUI Agent / 多模态 Agent 有兴趣的话，前端背景在这条前沿赛道几乎无缝。

项目建议

做一个「带可解释过程的多轮对话助手」：流式输出 + 显示模型用了哪些工具/RAG 引用。这个项目能把 Function Calling、上下文管理、性能优化串成一个故事。

下一步

AI 应用路线 · 面试准备专区