电子行业就业困境:从企业成本到技能错配的硬核分析
2026/6/7 12:20:18
AI 前端指的是直接在前端(网页、移动端、桌面端)集成 AI 功能的开发方式。它可以是用户直接操作的界面,也可以是通过前端调用 AI 模型提供智能服务。
特点:
无需后端复杂处理:前端直接调用 AI API(例如 OpenAI、Anthropic、Azure OpenAI)就能生成文本、图像或做分析。
实时交互:用户操作和 AI 响应几乎是即时的。
典型场景:
示例(React 前端直接调用 AI):
constresponse=awaitfetch("https://api.openai.com/v1/chat/completions",{method:"POST",headers:{"Content-Type":"application/json","Authorization":`Bearer${API_KEY}`},body:JSON.stringify({model:"gpt-4",messages:[{role:"user",content:"写一段前端代码"}]})});constdata=awaitresponse.json();console.log(data.choices[0].message.content);前端调用 API,AI 返回结果,前端直接展示,无需自己训练模型。
大模型是指参数量巨大、训练在海量数据上的 AI 模型。
**LLM(Large Language Model)**是一类大模型,专门用来处理和生成自然语言。
特点:
示例模型:
以前 AI 模型很大,前端无法承载,需要专门的服务器做推理(inference)。现在有几个原因让前端可以直接接入:
OpenAI JS SDK或者LangChain JS,可以直接在前端使用。Prompt= “输入给 AI 的指令或问题”。
可以是自然语言、代码、结构化文本。
例子:
写一段 JavaScript 函数,计算数组中最大值Token= AI 模型理解的最小单元。
一个 token 大概等于 4 个英文字符或 1 个汉字。
模型按 token 计算上下文长度和消耗(计费单位)。
例:
"Hello, world!" → 可能被分成 4 个 tokenEmbedding= 将文本、图像或其他数据转成向量(数字数组)的表示方式。
目的是让计算机可以量化理解文本或语义相似度。就像计算机不理解你写的代码,但是他理解二进制。
用途:
例:
"我喜欢苹果" → [0.12, 0.98, ...] (向量表示)Context= AI 在生成回答时能“看到”的信息范围。
🔹总结关系:
前端 → 发送 Prompt → 模型按 Token 处理 → 生成结果 Embedding 用于语义理解或检索 Context 用于保留上下文信息