模型正在流式吐字，用户看到第三行，点了「停止生成」。
这时候后端可能还在跑，token 还在计费，屏幕上那半句话留着还是清掉？用户再点一次「重试」，是接着上次，还是从头来？
这类问题在 AI 应用里一天出现几十次，没有一个是模型能回答的。它们全是前端问题。
第 01 期把去向分成五条，这期只讲第二条：前端 + AI 应用开发。它被叫作「最顺的一条」，不是因为容易，是因为你的积累大部分能直接换算。
一、这个方向到底在做什么
AI 应用开发不是训练模型，是把模型接进业务流程的那一层。拆开是三块。
交互层：流式输出、结构化渲染、多轮会话状态、中断与重试。
编排层：工具调用、Agent 步骤可视化、人工确认点。
可靠性层：评测、可观测、失败归因。
国内招聘数据里，这一层已经是主体。脉脉高聘《Agent重置职场——AI人才流动报告》显示，2026 年 1—7 月，AI 应用开发岗位占新发 AI 岗位的 60.97%，AI 技术底座占 24.55%，AI 业务效能占 14.48%；AI 应用开发类里最热招的是 Agent 开发工程师。
适合谁：有 2 年以上前端经验、做过复杂交互和状态管理、能读英文文档、愿意跟后端把协议对齐的人。
不适合：只想把设计稿变成页面的人。这个岗位每天都在处理「没有标准答案」。
招聘方要的东西通常写在三条里：能把模型接进现有系统、能处理流式和长会话的界面、能说清楚上线后怎么判断效果好不好。三条里两条是前端老本行。
二、你的前端技能，一一对应过去
图 1 前端的四层积累，在 AI 应用开发里的落点。左边是你已经会的，右边是换个对象的同一件事。
响应式 → 流式更新。SSE 一秒可能推几十个 chunk，每个 chunk 都改一次状态。用 ref 存整段长文本会触发大量依赖追踪，用 shallowRef 加手动触发更稳；列表型输出要按块追加，别整体替换。
状态管理 → 会话状态机。以前管 loading / success / error 三态，现在要管五个，中间还夹着 tool_call。你写过的 loading 逻辑，换张状态表就能用。
idle 等输入
streaming 流式中，可中断
stopped 用户停止，留内容
error 超时断流，可重试
retrying 重试中，注意幂等
（缺一个态，界面就会卡死一次）
图 2 一次会话的五个状态与五条边。少一个态，界面就有一个瞬间是错的。虚线那条最容易被漏掉，也最容易重复计费。
组件化 → 结构化渲染。模型返回的是字符串，你要把它渲染成卡片、表格、代码块。半截 JSON、非法 Markdown、超长表格、XSS，全是前端要兜的。
工程化 → 这一层最值钱。把埋点、错误上报、性能监控换一个对象：把一次会话当成可观测对象，记 requestId、prompt 版本、首字延迟、总耗时、是否中断、用户有没有点「没用」。
联调沟通 → 对齐四件事：流式协议格式、超时、重试是否幂等、取消怎么传（AbortController）。前端往往是最早发现「模型输出不对」的人，因为你在看界面。
三、证据：缺口不在模型，在可靠性
LangChain《State of Agent Engineering》调查了 1,300 多名从业者（2025-11-18 至 12-02 调查）：57.3% 的组织已经有 Agent 在生产环境跑，另有 30.4% 正在开发并计划上线；万人以上组织里这一比例到 67%。质量是第一障碍（32%），延迟第二（20%）。
同一份报告里有一组更该被前端看见的数字：89% 的组织做了某种可观测，但只有 52.4% 做离线评测、37.3% 做线上评测；在生产团队里，全链路 tracing 到 71.5%，线上评测也只有 44.8%。人工评审仍是最常用的评测方式（59.8%）。
翻译一下：大家都能看见 Agent 在干什么，但很少能系统判断它干得对不对。而「看见」这件事，前端干了十几年。
口径要交代：脉脉那份是平台数据，不是全市场普查；63,160 元的平均月薪是「AI 岗位」整体，不是「前端转过去能拿多少」。LangChain 这份的样本也偏中小团队，近一半受访者在百人以下公司，大厂内部未必长这样。所以本期不给转岗涨幅，样本不足的地方不下结论。
四、这周能做的三件事
第一件，2 到 4 小时，0 元：做一条最小链路——一个输入框 + SSE 流式输出 + 停止按钮 + 重试。重点不是跑通，是把 AbortController 和「停止后界面停在哪个状态」处理干净。
第二件，1 到 2 小时，0 元：给它加可观测。每次请求记 requestId、首字延迟、总耗时、是否中断、是否重试，先打到 console，再落一张表。
第三件，3 到 4 小时，0 元：把 Markdown 安全渲染成卡片。半截 JSON 不崩、代码块能看、超长表格横向滚动。
三件做完，你手上有一个能演示、能讲清楚取舍的东西。这比任何证书都硬。
五、三个坑，和一种走不动的人
坑一：以为要学算法。六成岗位在应用层，不在训练层。会用 embedding 和会训 embedding 是两件事，前者一周，后者一年。
坑二：把「会调 API」当能力。调通一个 hello world 是两小时的事，分水岭在错误处理和评测。
坑三：简历写「熟悉 LangChain」。面试官会接着问：你做的那个功能，上线后哪个指标变好了？答不上来，前面都白说。
走不动的人：受不了不确定性。传统前端是确定的——同样输入同样输出；LLM 是概率的，同一个问题两次可能不同答案。如果你的安全感建立在「一定能复现」上，这个方向会天天硌你。
六、小结
这条路顺，顺在换算率高：状态管理换成会话状态机，组件化换成结构化渲染，工程化换成可观测。真正要新学的只有两件——怎么跟模型交互，怎么判断它做对了。
第二件比第一件难，也更值钱。
下期换一条更重的：第 03 期《全栈化：一个人交付完整产品》。
