AI提效实践
前端开发
- 重复性、样板代码（组件骨架、表单、列表页、简单样式、接口对接样板）： 约 30%～60% 的时间节省，熟练的人更高。
- 复杂交互与架构（状态设计、性能、可访问性、跨浏览器、设计系统一致性）：AI是少踩坑、快出草案，整体项目周期可能 10%～30% 量级，或因返工反而持平——结果取决于是否把 AI 当初稿生成器还是可运行方案的最终作者。
- 调试与排错：对有明确报错、可贴日志/栈 的问题，往往明显省时间；对偶发、环境相关、业务逻辑纠缠 的问题，收益不稳定。
- 前端写完不等于做对：视觉还原、边界情况、无障碍、性能、构建与部署，AI 容易漏项。
- 返工成本：若不加审查直接合并，后期改bug会吃掉提效。
- 熟练度：会用提示词、会拆任务、会限定技术栈与设计约束的人，收益更高。
- AI在样板与局部实现 上提效最明显；
- AI在整体项目交付的提效是温和到中等，且高度依赖流程（代码审查、设计约束、测试）
前端AI实践
- 组件脚手架：单文件组件（SFC）结构、script setup、props/emits、基础样式；列表/表单/弹窗这类重复页面。
- 组合式逻辑：把接口请求 + loading + 错误提示 + 列表状态抽成 composables（useXxx）的初稿很快。
- Vue Router / Pinia：路由表、store 模块、getter/action 的样板代码。
- 与 UI 库配合：Element Plus / Vant / Naive UI 等，按组件名和 props 写页面时，AI 很擅长拼模板与事件绑定。
- 响应式边界：深层对象、数组替换、ref/reactive 混用、watch 依赖与清理——AI 有时会写出能跑但隐患多的写法。
- 性能：大列表虚拟滚动、v-memo、组件拆分与重渲染，AI 给的方案未必贴合真实数据量。
- SSR / Nuxt：hydration、只在客户端可用的 API、useAsyncData 生命周期，错误成本偏高。
- 样式与设计还原：像素级布局、主题 token、暗色模式，往往需要设计稿约束，否则返工多。
- 固定技术栈写在提示里：Vue 3 + \