最近一个非常明显的变化是，测试和前端开发这些细分工种，正在逐渐被收敛。 今天很多研发流程依然是 Human in the Loop，人还深度参与在工作流中。但我们更想看到的状态是 Human over the Loop，人逐渐脱离具体工作流，让任务能够自循环、自验证、自进化。 这里核心要解决两个问题。 第一个是验证。 AI 的生产速度一定会超过人的验收速度。如果每一份 AI 产出最后都需要人来 Review、测试和验收，那么 AI 生产得越快，人反而越容易成为整个系统的瓶颈。要真正实现 Human over the Loop，验证本身也必须交给 AI。人负责定义目标、标准和边界，AI 负责执行，同时完成验证、反馈和修正。 第二个问题也随之而来。当大量任务的生产和验收都开始发生在 Agent 之间，我们还需要那么多面向人的前端表达吗？ 过去的软件大量服务于 Human Computer Interaction，所以需要非常丰富的界面、交互和前端工程。未来人机交互会减少，机机交互会越来越多。很多过去通过页面、按钮、表单完成的操作，会变成 Agent 之间的协议调用、状态传递和任务协同。 所以前端的工作也会发生迁移，从“怎么让人更好地操作系统”，逐渐转向“怎么让人更好地控制 Agent，以及让 Agent 之间更好地协同”。 而 Agent 之间这一层协同，本身又天然适合自动化。Agent 能够理解目标，能够调用工具，也能够根据反馈继续执行。所以从这个视角往下推，测试、前端这些高度依附于传统软件生产流程的细分工种，会最先受到冲击。 再往后看，未来的人才结构可能会逐渐收敛到两类。 一类是端到端交付的人。他们面对的是业务问题，从需求洞察开始，一直到方案、研发、验证、上线和运营，对最终结果负责。 另一类是领域专家。他们解决的是足够深的专业问题，包括架构、性能、安全、基础设施，以及 AI Harness 等复杂工程能力，把自己的专业知识沉淀成工具、规则、评测体系和 Agent 可以复用的能力。 这两类人都不可或缺。一个负责把事情做成，一个负责把某一类事情做到足够深。 过去组织通过大量细分工种完成协作，未来更多会通过“端到端交付者 + 领域专家 + Agent”完成协作。细分工种会不断收敛，人的责任边界会越来越大，专家能力也会越来越深。

Safari 推 MCP Server，这事对 Web 开发者很关键。 以前浏览器自动化大多靠 Playwright、Puppeteer，外部去控制页面。 现在思路变成： 让 AI 通过 MCP 直接连接浏览器窗口，拿 DOM、网络请求、截图、控制台输出，然后自己做调试、性能分析、可访问性检查。 这会改变前端开发的工作流。 以后你遇到页面 bug，可以不是截图给 AI 看。 而是让 AI 直接进浏览器： 看控制台； 看网络请求； 读 DOM； 复现操作； 给修复建议； 再验收结果。 前端工程师的下一个信息差，可能是浏览器原生 Agent 化。

📚 学编程不用再花一分钱，freeCodeCamp 把从零到能找工作的整套课程全部免费开源了。 GitHub 上 45.6 万 star，直接封神了，背后是一个靠捐助运转的 501(c)(3) 慈善机构。 想转行写代码的人，最难的往常不是学不会，是不知道该学什么：收藏夹存了三百个视频，买过两门课，看完还是不清楚自己缺哪一块。freeCodeCamp 把这条路铺成了有顺序的一条线——响应式网页设计、JavaScript、前端开发库、Python、关系型数据库、后端与 API，一项一项走，中间是几千道能直接在浏览器里跑的互动挑战。 认证也不是点完视频就发。每个方向得做完互动课程、研讨、实验、复习和测验，再交 5 个必需项目，才有资格参加考试；拿到之后通常能长期保留，直接甩个链接给雇主或客户看。想剽窃走捷径的，查到就撤销认证加封号。 它还顺手把语言认证做了，A2 英语、B1 英语、A1 专业西班牙语和 A1 专业中文都在测试版，另外有一个和微软合作的 Foundational C# 认证。社区说已经帮超过 10 万人拿到了第一份开发者工作。 全套东西不要钱、不卖课、不塞广告，感觉是真在做公益啊。 GitHub：

$268.93，这是我 7 个多月来的第一笔收入。 钱不多，但此刻对我来说，意义非凡。 因为这是我从 2 月 10 日失业以来，靠自己重新赚到的第一笔钱。 炒币的赚亏不算，这是我失业以后第一笔真正意义上的收入。 这七个多月其实挺难的，其中的压力和艰辛，可能只有自己知道。 以前我是一个程序员，一名前端开发，性格内向且社恐。 直到 6 月底，我我开通了 𝕏 会员，才算真正开始走进自媒体这条路。 我推特注册了近10年了，但是我从来没想过要做自媒体，但做了几个月自媒体以后。 每天发东西、跟大家评论互动、认识各种各样的人，我发现自己的性格反而慢慢放开了。 刚开始的时候，一条推文只有十几个、几十个曝光。 那时候我每天给自己定目标：更新、评论、涨粉。 即便暑假外出度假一个多月，我也没有停过更新。 就这样一点一点，从最开始几乎没人看，到 1000、3000、5000，再到现在 8000 多个人关注我。 9 月 16 日通过原创奖励计划的时候，我已经很开心了，但那时候毕竟只是通过审核。 直到今天，这 $268.93 真正到账。 那一刻我才突然觉得，过去三个月每天坐在电脑前写的那些东西，真的换回来了一点东西。 $268.93 对很多人来说，可能就是一顿大餐、一双鞋，甚至根本不值得专门发一条推文。 但对于此刻我说，这笔钱真的很重要，因为这是一笔正反馈。 它至少告诉我，这几个月每天写、每天学、每天研究的那些东西，没有白费。 以前做 𝕏，我总想着怎么涨粉、怎么增加曝光、怎么达到门槛。现在我反而没那么着急了。 我更想继续研究自己真正感兴趣的东西，把 DeFi、Crypto、AI，还有自己平时折腾的一些项目慢慢写出来。 能赚钱当然很好。 但我更希望有一天回过头来看，今天收到的这 $268.93，只是一个很小很小的开始。 我将继续写，继续研究，继续坚持。 最后也谢谢这一路关注我、评论我、转发我，甚至每天过来跟我扯淡的朋友。 这第一笔钱，也有你们的一份功劳。 谢谢大家，爱你们。❤️ 山重水复疑无路，柳暗花明又一村。 九哥

🚀 一条命令，给 Claude Code 装上全套装备 GitHub 揽获 28.7k stars，agents、commands、hooks、MCP 全品类现成模板 新机器配 Claude Code，以前要手写 agent 定义、抄 hooks 配置、一个个接 MCP，小半天就没了。 这个项目把上百个现成组件做成了模板仓库，npx claude-code-templates 一条命令，前端开发 agent、测试生成 command、数据库 MCP 直接进项目。 配套网站 能像逛商店一样浏览组件，还带一个本地监控面板，Claude Code 跑了什么任务看得一清二楚。 部署也很简单，npx 一行执行，不用全局安装。

刚在 GitHub 上刷到一个好玩的 React 组件：playcaptcha，把网页人机验证做成了一台娃娃机。 页面提示要抓哪只玩具，操控摇杆把爪子移过去，按红色按钮抓起来丢进洞口，抓对了就算通过。 GitHub： 内置 12 种玩具造型，配色可以自定义，纯键盘也能完整操作。 前端开发者如果受够了千篇一律的验证码，可以拿这个来给自己的项目加点乐子。

Codex最近更新的挺频繁的，今天整理codex必装的8个神级插件： 1. Computer Use — 直接操控你的电脑 看屏幕、点按钮、切软件、改设置，全自动化操作 我之前测试一个桌面应用的 bug，需要反复重现操作流程 现在直接告诉 Codex:“打开这个 app，重现注册流程的 bug，然后修复最小代码路径” 它自己看屏幕、自己点、自己改代码、自己再测一遍 批量任务一句话搞定，再也不用截图解释半天 macOS 和 Windows 都支持，需要授权屏幕录制和辅助功能权限 2. Browser — 内置浏览器自动验收 写完页面自己打开看，布局歪没歪、按钮能不能点、DOM 状态对不对 自己截图自己改 前端开发最烦的就是改一行代码刷一次浏览器 现在 Codex 写完代码直接在内置浏览器里验收，发现问题立刻改 适合本地开发服务器和文件页面 配合 Chrome 插件用，已登录的网站也能直接操作 3. Product Design — 一句话出真实页面 “帮我做个简约风个人主页” 几分钟出能打开、能点击、能交互的原型 这个插件改变的不是“出图速度”，而是整个产品流程 以前是：想法→画原型→评审→改→再评审→开发 现在是：想法→可交互原型→直接讨论体验→快速迭代 跳过了最重的前期环节 还能和 Figma、Canva 集成，设计师也能无缝接入 不用会设计，想法直接变现实 4. Chrome — 接管你的真实浏览器 已登录的账号、装好的插件、打开的网页 Codex 拿来直接用 这个太实用了 很多后台操作需要登录，以前得手动教 AI 怎么登录 现在直接用你已经登录好的 Chrome 比如让 Codex 帮你在 Notion 里整理文档、在 Slack 里回复消息 它直接在你的浏览器里操作，不用重新授权 5. Superpowers — 代码级一键操作 选中代码直接改，重写+解释+优化全包 像给 Codex 装了快捷键 看到一段代码不理解，选中→问 Codex 想优化一段逻辑，选中→让 Codex 重构 代码处理效率翻倍 官方插件市场就能装，设置很简单 6. Build Web Apps — 从写代码到上线全自动化 开发、测试、部署一条龙 配合 Cloudflare 或 Vercel 插件，一句话全包 我最近做了个小工具，从想法到上线只花了不到1小时 以前这个流程至少要半天 Codex 写代码、跑测试、修 bug、部署到 Vercel 我只需要在最后验收一下 这才是真正的“全栈自动化” 7. Presentations — 一句话生成 PPT 排版、导出全包 汇报材料不用自己动手 配合 Document Skills 读写 PDF/Word，文档工作全自动化 虽然我现在用 PPT 不多，但偶尔需要做个演示文稿时 这个插件能省下大半天时间 8. Spreadsheets — 表格自动处理 公式、图表、分析，Codex 帮你算清楚 配合 GPT-Image 生成数据可视化 Excel 活全包了 数据分析这种重复性工作，最适合交给 AI

关于最近尝试slock、multica等多Agent有感： One agent 还是 multi-agent？ 本质区别就一个：每个智能体是否拥有独立的系统提示词、记忆和技能集。 两种范式： 1. **One agent**：所有智能体共享同一套系统提示词、技能集和 memory。切换角色靠 prompt 驱动——"你是一个前端开发工程师"、"你是一个 QA"——让它自己加载对应的技能去完成任务。 2. **Multi-agent**：真正把智能体拆开，彼此信息不共享，共同知识靠项目文档来维护。 哪个更好？我觉得短时间内 one agent 更实用，multi-agent 暂时没看到什么亮眼的结果。 后者唯一说得通的好处是：你可以维护一个跨代码库工作的 code review 机器人——它天然适合做一个独立 agent，能在不同项目间积累经验。但如果反过来，为了某个项目就拆出一堆 agent，这合理吗？一个公司会为每个项目单独配一个 QA、单独配一个研发吗？ 所以按项目拆 multi-agent 是有问题的。真要搞多 agent，它应该是一个**后端 agent**：服务多个项目，在多个项目间共同积累经验，而不是每个项目都复制一套 agent 出来。

看到一个开源项目，把 AI 代理变成了一个完整的“人才库”。 The Agency: 230+ 个专业代理，每个都有明确的角色定位、个性特征、工作流程和交付标准。覆盖了工程、设计、市场、销售、产品、项目管理、测试、安全、支持等十几个领域，甚至还有 GIS、游戏开发、医疗、金融等细分方向。 它不是一套通用提示词模板，而是一个可实际调用的“专家团队”——你可以把代理安装到 Claude Code、Cursor、Codex、Copilot 等工具里，然后在对话中直接激活指定角色。 安装方式： - 桌面 App（推荐）： 下载，支持 macOS/Linux/Windows - 脚本安装：`./scripts/install.sh`，自动检测已安装的工具，交互式选择代理 比如你正在做前端开发，可以激活 Frontend Developer 代理；做营销活动，可以激活 Content Creator + Twitter Engager + Reddit Community Builder 三个代理协同工作。每个代理都内置了具体的交付物、成功指标和代码示例。 这个项目的价值在于：它把“角色扮演提示词”升级成了“带流程和标准的可执行代理”。不是让 AI 假装自己是某种角色，而是给它配好了工作方法和交付标准。 适合三类人： 1. 想快速为特定任务配置一个“专家代理”的开发者 2. 希望让 AI 输出更稳定、更专业的人 3. 想学习如何设计高质量代理角色的人

两句话，8分钟，一个完整的游戏英雄库成型了   输入只有两句话。8分钟后，Hy3 交出了一个可以完整浏览的英雄联盟游戏英雄库网站。 首页、英雄分类、搜索筛选、角色卡片、详情展示、美术馆……不只是页面齐全，整套网站的视觉风格也保持了统一。   整个网站采用黑金视觉，角色立绘、页面背景、筛选标签和内容分区被编排在同一套设计语言里。打开之后，不会觉得这是几个临时模块拼在一起，更像一套已经设计成型的角色展览页。   从页面结构到视觉风格都很完整，基本已经到了可以直接发布使用的程度。   更夸张的是，整套页面生成下来只用了8分钟。   如果交给人工设计和开发，光是确定页面结构、视觉方向和交互逻辑，都得来回沟通好几轮。更别说还要准备角色素材、统一图片风格，再把所有内容写进网页。一个游戏角色展览页，需要同时处理信息层级、页面结构、视觉风格、素材生成和前端实现。   Hy3 做的，是把这条流程直接串了起来。   模型不仅要理解“英雄库”“美术馆”“角色详情”这些抽象需求，还要把它们翻译成具体的页面模块、视觉层级和动线安排。   接到需求后，它会先搭建网站工程，再根据页面需要生成对应的图片指令，调用图像模型制作素材，最后把图片、文字、组件和交互统一编排进网页。   换句话说，它并不是只负责其中某一步，而是像一个项目执行者一样，把设计、素材和开发组织在一起。   这也是 Agent 式工具和普通“文生图”“文生网页”之间比较明显的区别。   很多“文生网页”工具可以快速做出页面雏形，但做到后面，往往还要手动找图、补模块、统一样式。   Hy3 展示的是另一种工作方式：用户只描述想要什么，模型自己拆解任务、调用工具，再把设计、素材和开发整合成一个结果。   这次生成的结果，对提示词的还原度、页面完整度和素材细节都做得很扎实。黑金视觉贯穿整套页面，角色卡片、筛选标签和内容分区也保持了统一风格，看起来更像一个经过设计的成品，而不是临时拼出来的演示稿。   同样的需求交给其他模型，往往只能得到一个粗糙的半成品；Hy3 更大的优势，是把模糊的想法继续往下执行，直到变成一个能够打开、浏览和发布的网站。   过去，想做一个游戏英雄库，第一反应可能是先找设计师、准备素材，再安排前端开发。   现在，这件事的起点可能真的只剩两句话。