503 - 《TNF 开发笔记 12：AI》
发布于 2024年12月29日
之前写过一篇 488 - 《前端 x AI》，实施了一段时间，写下新的理解、在 TNF 上的实践，以及后续想法。
1、前端框架和 AI。
TNF 作为一个前端框架，应如何做好和 AI 的结合？
我理解 ai 应用就是 model + prompt + tools。合适的模型，搭配合适 prompt，在加上满足各种定制化需求的 function tools，就是现在大多 ai 服务的公式。
AI 应用于前端也不例外。model 对外可以选最先进的 Claude 3.5 Sonnet、O1 或新出的 DeepSeek V3，对内的敏感项目可选内部的模型或者通义千问。prompt 包含你的要求，以及让 AI 对你的项目和最佳实践的理解。tools 除了通用的还应有前端或框架特有的精确操作，比如安装依赖、修改配置等。
model 层前端框架做不了啥，另外两个还是有不少能做的。1）prompt，可提供详细的项目描述、最佳实践、框架文档、三方库文档等，让 model 充分懂你的项目。2）tools，除了提供通用能力（fs 等）、前端通用能力（npm client、node 等），还可提供框架特有能力（config、generate、routes 等）。
上一条里，更重要的是 prompt 的部分。好的 prompt 可以让 model 更懂项目，这很重要。AI 提效的一个关键是采用率。如果有 AI 辅助，但他生成给你的大多是你不想要的，这对于研发效率来说就可能是个反作用了。
应用场景有几种，AI Editor（Cursor、VSCode + Github Copilot、Windsurf 等）和 Agent（Dev