面向面试官的 AI 技能图谱：从基础对话到统筹管理
小红书|字节|京东|快手|拼多多|滴滴|得物|携程等前端面试AI频繁题目
LinkI : 通过前端JD查看所需AI技能
LinkII: 好文推荐_测开大佬AI面经
AI基础概念
LinkII: AI基础概念梳理
向面试官介绍了解的AI技能
基础层—高效prompt与LLM对话
提示词工程
提示词是 AI 协作的 “语言”，推荐的TCREI+RSTI 双框架，能将模糊需求转化为 AI 可执行的精准指令，尤其适用于代码生成、技术文档撰写场景。
- RSTI 框架（输出约束）：Role（角色）→ Style（风格）→ Tone（语气）→ Input/Output（输入输出格式）
恰当的模型
- 国际全能 → ChatGPT / Gemini
应用层——用AI做什么
基础 AI Agent（让它去干活）
AI Agent 是 2026 年企业的核心需求，也是开发者与普通用户的能力分水岭。会用 Agent 的开发者，相当于拥有一批 “数字员工”，能自动完成重复任务、执行复杂工作流。
Agent 的本质是 “目标驱动的自动化工作流”，由目标、角色、工具、流程、评估五大要素组成。以 “前端技术博客自动化创作 Agent” 为例，其核心架构如下：
进阶AI Agent（养小龙虾openclaw，培养它，主动干活当牛马）
💡核心洞察：OpenClaw的成功并非因为其人工智能“更智能”——它底层使用了Claude和GPT等现有模型。而是因为它赋予了这些智能大脑一双手（工具调用）、一双眼睛（浏览器/搜索）和一个跳动的心脏（心跳机制）。
🐱小沫的思考：如果说大型语言模型是大脑，那么 OpenClaw 就是赋予这个大脑一个完整的躯体。以前，人工智能就像一个被困在玻璃罩下的天才——你可以和它对话，但它却无法触及任何东西。OpenClaw 打破了这层玻璃罩。
AI Coding& Vibe Coding
Vibe Coding 并非 “让 AI 写代码”，而是人机协同的高效开发模式。Vibe Coding 的核心是 “开发者主导，AI 辅助”，通过分阶段指令、实时审查，实现从需求到产品的快速交付。
前端 Vibe Coding 六步法
- 需求具象化：用 TCREI 框架描述需求，明确技术栈与约束
- 方案预演：让 AI 生成架构图与核心逻辑，人工审核可行性
- 分阶段生成：先生成组件大纲，再生成核心代码，最后补充细节
- 实时审查：对 AI 生成的代码进行性能、安全、兼容性校验（如 React 组件 memo 优化、跨浏览器兼容）
- 工程化重构：将 AI 生成的 “临时代码” 重构为符合团队规范的可维护代码
- 自动化验证：让 AI 生成单元测试，通过 CI/CD 流程自动执行
统筹层——统筹与管理AI
利用好模型&Agent：让每个 AI 都在自己最擅长的领域发光发热
核心是建立一套 “任务→模型→输出” 的决策框架 ，不再依赖单一工具，而是让不同 AI 协同工作，形成高效的工作流。
Multi-Agent：打造你的 AI 协作团队
- 核心思路：将复杂任务拆解为子任务，分配给不同专长的 Agent，让它们像团队一样协作完成。
- 实践案例：内容创作：用 Kimi Agent 做文献精读和资料整理，豆包 Agent 负责中文文案润色，最后由 Claude Agent 输出深度报告。软件开发：MiniMax Agent 负责核心代码编写，DeepSeek Agent 做代码审查，Cursor Agent 辅助调试。
- 工具推荐：AutoGPT、MetaGPT、LangChain、豆包多 Agent 框架。
多Agent协同模式
- 主从模式
- 对等模式
- 流水线模式
多用学习模式：让 AI 成为你的专属导师
Gemini guided learning
Note bookLM
信息搜集：精准获取前沿 AI 与领域知识
在信息爆炸的时代，高效的信息搜集能力是保持竞争力的关键。
价值层——为什么要用AI
AI 时代，开发者的核心价值从未改变 ——解决问题的能力。AI 只是工具，唯有掌握 “驾驭工具” 的能力，才能在行业变革中站稳脚跟，实现职业价值的持续跃迁。
查看8道真题和解析