工程化 | 锤子前端

《高级工程师死亡螺旋》

Thu, 24 Sep 2026 12:33:19 GMT

《高级工程师死亡螺旋》

标签：
#职业发展 #工程师文化 #工作方法 #心理健康

总结：

文章要点：

1. "高级工程师死亡螺旋"是作者观察到的常见失败模式：工程师在新工作、晋升或大项目开始时，试图"扮演"比自己更资深的角色，设计过于雄心勃勃的方案。

2. 螺旋的典型表现是：工程师消失数周，在站会上给出"积极更新"但实际上没有产出，然后开始告诉自己"需要更努力工作来弥补"，最终失眠、抑郁、人际关系受损，导致倦怠、被PIP、辞职等最坏结果。

3. 远程工作和AI编码工具的普及加剧了这一问题：工程师更加孤立，缺乏传统的工作结构和同事间的日常交流，使得"没人知道你在做什么"的情况更容易发生。

4. 破解螺旋的反直觉方法是"降低一级"：不要试图表现得比实际级别更高，而是成为最好的队友——做bug修复、帮别人处理繁琐工作、做组织性事务，通过帮助他人来重建动力。

5. 关键 mindset 转变是从"结果导向"转向"动力导向"：建立日常 routine，通过每天一点点的工作积累动力，修复与同事的关系，最终获得"耐力"。

6. 核心洞察是：大项目不是靠大努力完成的，而是靠缓慢、稳定、增量的工作——每天、每小时地做，直到成为肌肉记忆。

7. 最终目标是建立可靠性声誉：通过减轻队友和经理的负担来建立信任，然后自然会获得更大的工作机会——因为"你处在建立声誉的生意中，软件只是下游产品"。

8. 作者强调雇主雇佣的是"现在的你"，而不是"六个月后你认为你会成为的那个人"，因此不需要通过过度努力来证明自己。

URL：
https://sunilpai.dev/posts/the-senior-engineer-death-spiral/

Solving the decision problem

the senior engineer death spiral

on proving yourself, burning out, and being a good teammate

《十个防止 AI 代码泛滥的前端项目护栏》

Thu, 10 Sep 2026 23:23:08 GMT

《十个防止 AI 代码泛滥的前端项目护栏》

标签：
#前端 #TypeScript #React #AI编程 #代码质量 #ESLint #测试策略 #CI_CD #代码审查 #工程实践

总结：

本文针对 AI 生成代码速度远超人类审查能力的前端项目，提供了一套实用的十项防护清单。核心思路是通过自动化工具链（类型系统、Linter、变异测试、CI 门禁）在代码合并前拦截机械性错误，而非依赖人工逐行审查。

文章要点：

1. 用 OpenAPI 契约替代手写类型：通过 Hey API 等工具从 OpenAPI 规范直接生成 TypeScript 类型、客户端和 Zod 校验，避免 AI 臆造不存在的 API 字段（如 user.fullName），让编译器在构建期就报错。

2. 开启严格 TypeScript 配置：启用 noUncheckedIndexedAccess 等严格标志，让数组索引访问返回 T | undefined，迫使代码显式处理边界情况，减少 AI 常见的"想当然"代码。

3. 把 Linter 当作行为过滤器：使用 SonarJS、react-you-might-not-need-an-effect、vitest/playwright 插件、jsx-a11y 等 ESLint 插件，自动拦截认知复杂度过高、不必要的 Effect、可访问性违规等问题。

4. 设定架构层边界：使用 eslint-plugin-boundaries 或 dependency-cruiser 强制实施分层架构（如 UI 层不得直接访问 API 层），防止 AI 生成的代码逐渐退化为"GitHub 平均水平"的混乱结构。

5. 将重复出现的错误转化为自定义 Linter 规则：当同一种 bug 第二次出现时，立即编写自定义 ESLint 规则禁止该模式。例如禁止在服务层函数中使用 Math.round 和 toFixed，避免双重取整导致的薪资计算错误。

6. 把规则直接喂给 AI 模型：通过项目规则文件（如 .cursor/rules、CLAUDE.md）或技能文件（如 react-doctor），将项目约定、架构决策和禁止模式直接提供给 AI，让模型在生成代码时就遵循规范。

7. 用变异测试验证测试有效性：使用 Stryker 故意破坏代码（翻转运算符、反转条件、交换返回值），检查现有测试是否能捕获这些变异。存活的变异体通常暴露"只测形状不测内容"的无效测试。一个项目约 4,700 个变异体在 6 分钟内完成扫描。

8. 用 Knip 清理死代码：Knip 可以检测未使用的文件、导出和依赖，配合自定义可达性脚本填补其盲区，防止 AI 生成大量"以防万一"却无人调用的冗余代码。

9. 用 jscpd 检测重复代码：AI 倾向于在不同地方生成几乎相同的逻辑，jscpd 能发现这些重复，提示抽象机会或错误的复制粘贴。

10. 将所有检查强制设为 CI 门禁：上述所有工具（类型检查、Lint、测试、变异测试、重复检测）必须作为 CI 的强制通过项，而非可选建议，确保 AI 生成的代码无法绕过质量关卡。

11. 成本与局限：这些护栏会产生噪音（误报）、规则过时和新人上手摩擦等成本，建议按"类型 → Lint → 测试 → CI"的顺序渐进式推行。同时需注意，这些检查只能捕获机械性错误，无法识别糟糕的品味或错误的抽象。

URL：
https://evilmartians.com/chronicles/ten-anti-ai-slop-moves-for-frontend-projects-going-faster-than-humans-can-review

evilmartians.com

10 anti-AI slop moves for frontend projects going faster than humans can review—Martian Chronicles, Evil Martians’ team blog

Ten checks that catch what AI-written frontend code hides: contract codegen, boundary linting, mutation testing, and dead-code detectors.

《现代工程价值观：AI 时代的效率与品味》

Fri, 12 Jun 2026 01:47:25 GMT

《现代工程价值观：AI 时代的效率与品味》

标签：#软件工程 #AI编程 #代码审查 #团队管理 #技术栈 #开发者体验 #工程管理

总结：
作者 Christoph Nakazawa（cpojer）分享了他近半年完全依赖 AI 编码代理完成多个项目的实战经验，指出编程已从"手写代码"转向"指挥系统生成代码"。文章提炼了 AI 时代仍至关重要的五大工程价值观：强所有权、品味至上、严格约束与快速反馈、代码库即上下文、掌控技术栈，并强调管理需更技术化。作者用数据证明效率提升 3 倍，认为未来瓶颈不再是写代码，而是判断力与品味。

文章要点：
1. **AI 编码已成常态**：作者过去数月多个项目（Vite+、fate、Codiff、Athena Crisis 等）90%-100% 由 AI 编写，代码质量甚至超越手写，且能在几分钟内完成过去数周的工作
2. **Codex CLI 是最佳搭档**：使用 GPT 5.5 high 配合 Codex CLI，配合"先写失败测试再修复"的策略，能极大提高一次性正确率；多项目并行时建议每个项目独立窗口，利用空间记忆提升效率
3. **强所有权比代码更重要**：AI 放大了"懂行"与"不懂行"的差距，小团队（2-3 人）+ 清晰边界 + 独立仓库比大团队协作更高效，审查应聚焦对齐而非代码细节争论
4. **品味是防"垃圾"泛滥的护城河**：AI 能全天候生成大量平庸代码，工程师的核心价值转向判断"什么值得做"，团队应花更多时间思考方向而非盲目堆功能
5. **严格约束 = 速度**：把代码规范、自动化测试、快速验证等"护栏"做得越严，AI 迭代越快（1 分钟 vs 60 分钟的差距）；工具必须支持增量检查，避免随代码量增长而变慢
6. **代码库即唯一上下文**：将设计文档、产品行为、决策记录全部沉淀在仓库内，让 AI 和人类都能快速理解；代码越简洁、越易读，AI 修复和迭代越高效
7. **自研技术栈重新划算**：过去依赖第三方库是因为手写代码慢，现在 AI 降低了自研成本，掌控核心依赖能避免被外部框架绑架，获得完全的产品体验控制权
8. **保留选择权（Option Value）**：任何架构改动都应保留未来大幅调整的可能性，AI 虽让重构变快，但把自己逼进死胡同依然难以脱身
9. **管理必须更技术化**：执行成本降低后，管理者不能只做方向把控，必须保持领域 expertise，能亲自改代码、做技术决策，"技术型管理"（Tech Lead Management）将成为主流
10. **效率数据惊人**：近 30 天日均提交 770 次、修改 15k 行代码，是两年前的 3 倍；过去手写巅峰一天 1200 行，现在 AI 辅助可达 10 倍且质量更高

URL：
https://cpojer.net/posts/modern-engineering-values

cpojer.net

Modern Engineering Values

Modern engineering values.

《为特定场景"投影"React：从60KB到7KB的极致裁剪实验》

Sat, 09 May 2026 01:12:57 GMT

《为特定场景"投影"React：从60KB到7KB的极致裁剪实验》

标签：#前端 #工程化 #React #TanStackStart #AICoding #PerformanceOptimization #Vite #RSC #BundleSize

总结：
TanStack作者Tanner Linsley发现React 19在Vite打包后仍占约60KB gzip，远大于TanStack全家桶总和。受"代码即物化视图"理念启发，他借助AI代理在一天内生成了一个针对TanStack Start需求定制的React"投影"——保留完整公共API，但移除并发调度、时间切片等不需要的功能，核心仅7.08KB gzip。该项目已在其个人博客和tanstack.com生产环境运行，JS体积减少33%至85%，渲染性能提升2到3倍，验证了当代码生成成本骤降时，为特定场景定制依赖库投影的可行性。

文章要点：
- 作者发现React打包后仍有约60KB，比TanStack全家桶加起来还"胖"，成了整个技术栈里"最不能删却又最大块头"的存在
- 本想用Preact"瘦身"，但它和React 19在use()、服务端动作、hydration等边缘地带已经"渐行渐远"，补丁叠补丁让人望而却步
- 一个超酷的观点启发了他：如果写代码能像查数据库一样"按需生成"，那代码本身只是"理念"的一种展示形式，我们完全可以为不同场景生成不同版本的React
- 借助AI代理，只用一天就"捏"出了一个迷你版React，保留了你熟悉的hooks、JSX、Suspense和SSR，但扔掉了并发调度、时间切片这些TanStack Start用不上的"重型装备"
- 设计得像乐高一样：7KB核心底座 + 8个可插拔功能（context、suspense、portal等），不需要的模块在构建时直接替换成空实现，不会混进最终包
- 真刀真枪上了生产环境：个人博客JS少了三分之一，首屏快了近两成；tanstack.com这种"重火力"站点也成功扛住，客户端JS砍掉近1MB
- 作者抛出思考题：当定制一个库的成本从几个月降到几天，继续默认 shipped 全套通用库，反而成了一种需要掂量的选择
- 他强调这不是要"取代React"，更像是Linux发行版或歌曲混音——同一个内核，根据不同听众的口味调出不同版本

文章URL：https://tannerlinsley.com/posts/projecting-react

Tanner Linsley

Projecting React

An AI-generated projection of React's public API, shaped around what a TanStack Start app needs. ~9KB client, 2–3× faster on our workloads. Powers this blog today; capable of running tanstack.com end-to-end with no known regressions. An experiment, not a…

《AI编码代理生产级工程技能集》

Sun, 26 Apr 2026 09:39:26 GMT

《AI编码代理生产级工程技能集》

标签：#AI辅助编程 #开发工具 #AI_Agent #工程规范 #ClaudeCode #Cursor #代码审查 #测试驱动开发 #CI_CD

总结：
这是一个为AI编码代理（如Claude Code、Cursor、GitHub Copilot等）设计的生产级工程技能仓库，由Addy Osmani维护。它将资深工程师在真实项目中的工作流、质量门禁和最佳实践编码为20个结构化技能，覆盖从需求定义到上线发布的完整开发生命周期，让AI代理在每次编码时都能保持一致的专业水准，避免走"最短路径"而跳过测试、审查等关键环节。

文章要点：
- 六阶段开发流水线：从Define（定义需求）→ Plan（拆解任务）→ Build（增量编码）→ Verify（验证测试）→ Review（质量门禁）→ Ship（安全发布），像工厂流水线一样规范AI的每一步动作
- 7个斜杠命令即开即用：/spec写需求文档、/build增量开发、/test跑测试、/review代码审查……输入命令就能自动激活对应的技能组合，非常顺手
- 20个实战技能全覆盖：从API设计、前端工程、TDD测试驱动，到性能优化、安全加固、Git工作流、CI/CD自动化，每个技能都自带步骤清单、验证标准和"反找借口"表格（比如AI想跳过测试时，会被技能里的反驳论据怼回去😄）
- 多工具无缝兼容：Claude Code一键插件安装，Cursor复制到rules目录，Gemini CLI、Windsurf、GitHub Copilot、Kiro等主流AI编程工具都能直接用，技能就是纯Markdown，通吃所有支持系统提示词的代理
- Google工程文化落地：融入了Hyrum定律、Beyonce规则、测试金字塔、Chesterton围栏等Google实战智慧，不是泛泛而谈的理论，而是嵌入到每一步工作流中的可执行标准

文章URL：https://github.com/addyosmani/agent-skills

GitHub

GitHub - addyosmani/agent-skills: Production-grade engineering skills for AI coding agents.

Production-grade engineering skills for AI coding agents. - addyosmani/agent-skills