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

内容预览已结束

此内容需要会员权限。请先登录以查看完整内容。