跳至主要內容
2026年9月24日星期四Today's Edition即時更新
KOH NEWS
科技 深度報導

前端轉全棧該學什麼:掘金系列首篇主張語法交給AI、判斷自己扛

掘金作者LEE於2026年9月15日刊出前端轉型全棧系列首篇,主張後端語法與ORM交給AI、判斷類能力自補,本臺整理其論點、對照表與訊源邊界。

KOH NEWS 採訪中心 閱讀約 6 分鐘

2026年9月15日,掘金作者LEE刊出題為「前端轉型全棧 00:AI 時代該學哪些,不該學哪些」的長文,作為系列開篇。截至整理時,該文閱讀量約266次,屬小流量技術文章,但文中引用的企業組織調整傳聞與「學習順序」主張,觸及目前工程師職涯討論中反覆出現的題目。本臺綜合原文與公開資料,整理其論點輪廓、引用訊源與可核實邊界。

文章引用的企業動態:訊源與出入

LEE在文中首先引用36氪報導稱,美團CLC食雜零售研發團隊已完成架構調整,前端與後端團隊合併,前端工程師提前一個多月開始補後端開發。同一段落又稱,京東零售的創新零售業務線被曝取消「前端工程師」獨立編制,前端團隊整體併入服務端。

這兩項說法在文中均以轉述形式出現,未附原始連結。文末參考資料列出的來源為36氪與InfoQ於2026年6月合刊的「前後端一起消失:AI Coding正在改寫大廠工程師分工」,以及牛客網一篇「大廠正在集體抹掉前端工程師這個崗位,但前端還沒死」的討論帖。本臺無法在本篇整理範圍內獨立核實美團與京東的內部編制變動,相關說法應視為作者轉述的媒體報導,而非兩家企業的官方公告。

文中另稱字節跳動在招募「AI全棧工程師」,騰訊前端崗位職責已轉向Agent工程平臺建設。這部分同樣未附具體職缺連結。就職缺描述而言,各公司招募頁面屬公開資訊,讀者可自行查證目前刊出的職缺名稱與職責文字。

作為對照,牛客網等平臺近月確實流傳多篇與前端就業相關的討論帖,本臺先前整理過牛客網前端方向討論帖的輪廓,其中留言區對崗位供需的描述分歧頗大,與LEE文中「只要會React就有面試機會的日子正在過去」的說法可以互相參照,但兩者皆屬個人觀察,非統計數據。

核心主張:學後端語言是「最貴的一筆浪費」

文章的論證主軸可以拆成幾個層次。第一層是對常見學習路徑的否定。LEE觀察,前端工程師想轉全棧時的第一反應多半是去學一門後端語言,買課、背語法、學框架、學ORM,一學三個月。他認為這筆時間的性價比在AI輔助編程工具普及後大幅下降,理由是語法、標準庫、框架API與ORM用法,AI工具能即時給出,且追蹤版本更新的速度比人快。

第二層是能力盤點。文中列出前端工程師已具備的三項基礎:習慣非同步操作、熟悉介面呼叫的樣態、日常就在做抽象與組合。作者認為轉全棧所需的能力中,約有一半是前端每天都在練的,缺的是前端日常工作中接觸不到的另一半。

第三層是四組「前端直覺對後端現實」的對照,這是全文最具體的部分。原文以表格呈現,本臺轉述如下:狀態放記憶體、重新整理就重來,對應到狀態必須落資料庫且結構要建對,沒補的後果是手機號登入忘了加唯一約束,兩個人綁同一個號碼;請求失敗就重試,對應到重試可能讓同一筆訂單扣兩次款;把按鈕藏起來當作沒有權限,對應到介面必須自行鑑權,藏按鈕擋不住任何人把orderId換成別人的;改完程式碼重新部署即可,對應到資料表結構變更需要遷移與回滾機制。

作者的結論是,這四類問題都屬於「判斷」而非「寫程式碼」,AI工具對使用者說出來的需求負責,對說不出來的約束不負責,因此不會主動提醒。

學習優先順序:以AI能代勞程度分檔

在對照表之後,文章提出一套按「AI能替你做多少」排序的學習架構。第一檔是不用學的項目,包括後端語言語法、框架API、ORM用法與常規CRUD,理由是AI可直接產出,工程師只需看得懂、能驗收。第二檔是必須自己定的項目,包括資料建模、API設計、認證與授權、SQL與遷移,特徵是AI會寫,但會在沒交代的地方寫錯。第三檔是只能自己扛的項目,包括並發與冪等、部署與環境、可觀測性與安全,特徵是AI會寫,但出了事不替你承擔。

作者據此安排系列文章結構:第一檔不單獨成篇,第二檔與第三檔各規劃四篇,並預告下一篇主題是資料建模,稱其為「前端最大的盲區」。

文末的重點落在學習心態的轉變。LEE寫道,前端轉全棧真正要轉的是遇到不會的事情時的第一反應:是先找一門語言來學,還是先弄清這件事的底層邏輯。前者AI能補,後者不能。他建議讀者下次想報名後端語言課程前,先問自己要的是那門語言,還是語言背後的思維模型。

同類論述的脈絡

LEE的文章並非孤立觀點。掘金平臺上以AI時代技術棧評估為題的長文近月增加,本臺曾整理過「古法編程末法時代」轉型AI Agent的技術棧評估法,該文同樣主張先盤點哪些能力已被工具代勞、哪些需要人工補足,再決定投入順序。兩篇文章的共通框架是把「工具能做的」與「人要做的」切開,差異在於LEE聚焦前後端分工,後者處理整體職涯轉型。

這類論述的共同限制也值得記錄。文中的分檔標準建立在作者對AI工具能力的主觀評估上,並無量化數據支撐;各檔項目是否真如作者所言「AI不會主動替你想」,取決於具體工具、提示方式與使用情境,不同使用者的經驗可能不同。此外,文首引用的企業編制調整屬轉述性質,讀者若據此規劃職涯,宜以官方招募資訊與自身產業環境核對。

可核實資訊的邊界

本篇整理能確認的事實如下:文章存在,刊出於2026年9月15日,作者為掘金用戶LEE,帳號顯示五篇文章、約2.8千累積閱讀、17名追蹤者。文內表格、分檔架構與系列規劃均屬作者個人主張,非研究結論。文末參考資料指向36氪與InfoQ的2026年6月報導,以及牛客網討論帖,惟原文未附可直接點擊的連結。

至於美團、京東、字節、騰訊四家企業的組織與招募動態,本臺在本篇範圍內未見官方文件佐證,相關敘述應標記為單一訊源轉述。系列後續篇章是否如期刊出、論述是否調整,尚待觀察。