坤霆@全栈技术研究室

上个月，我们默默地把三个微前端子应用合并回了两个。没有发公告，没有写技术复盘，就是安安静静地把代码挪了回去，删掉了两个仓库，关掉了四条CI流水线。

如果有人在半年前问我"微前端到底好不好"，我大概率会给他列一堆优点：独立部署、技术栈无关、团队自治。但现在我的回答变了：看你的团队到底有没有拆的必要。

这个判断听起来像废话，但我见过太多团队在这件事上栽跟头，包括我自己。

拆的时候有多爽，合的时候就有多痛

故事的开始总是相似的。一个大型前端项目，十几个开发者在同一个仓库里撞来撞去，merge冲突是家常便饭，发版节奏互相牵制。有人提了微前端，方案评审会上大家眼睛都亮了——每个团队自己的子应用、自己的发布节奏、自己的技术栈，互不干扰，多美好。

我们也是这么想的。2024年初，基于qiankun把主应用拆成了五个子应用，按业务域划分。前半年确实爽：团队A改了代码不用等团队B review，团队C想用新版本的React自己升，团队D甚至单独搞了一套构建流程。

问题是从第二年开始集中爆发的。

最近有个趋势越来越明显：前端工程师看着 Copilot、Cursor 生成的 UI 代码，开始焦虑自己是不是要被替代了。

我觉得这个焦虑方向搞错了。真正值得关注的事情，不是 AI 写的代码比你好，而是 AI 可能根本不需要写代码了。

谷歌刚发布的 A2UI v0.9 就是这个方向上的一步。A2UI 全称 Agent-to-UI，是一套与框架无关的标准，让 AI 智能体声明 UI 意图，由 Web、移动端、桌面端原生渲染。关键词是"声明意图"——AI 不需要生成 HTML、CSS 或组件代码，它只需要说"我需要一个什么界面"，平台自己搞定渲染。

这件事值得认真聊聊。

AI 生成代码的真正问题，不是代码质量

现在 AI 写前端代码的方式，本质上是"生成一堆代码，人来兜底"。Copilot 也好，Cursor 也好，甚至那些号称能生成完整页面的工具，都在解决同一个问题：怎么让生成的代码能跑起来。

但跑起来只是最低标准。在生产环境里，一段前端代码要真正"能用"，得跟已有系统严丝合缝地集成：用团队的设计系统、符合品牌规范、支持无障碍访问、不超标性能预算、跟现有状态管理兼容、能扛住国际化。

上周看到一个案例，震得我好一阵没缓过来。

一家三个人的小公司，AWS 月费常年维持在十几美元的水平。某天早上，创始人打开邮箱，发现一封来自 AWS 的账单提醒——单日费用 1.4 万美元。不是月度，是单日。

排查的结果更让人窒息：一个 EC2 实例上的静态密钥不知道什么时候泄露了，攻击者拿着这个密钥大量调用 Bedrock 的 Claude 模型，跑了一整夜的推理任务。从安全角度看，这甚至不算什么高级攻击，就是一个最基础的凭证扫描 + 资源滥用。但从财务角度看，一家月支出十几美元的公司，在一夜之间欠下了一笔可能需要半年才能消化的债务。

这个案例之所以让我印象深刻，是因为它揭示了一个在 AI Agent 时代正在加速放大的系统性风险：算力消耗的速度，已经远远超过了传统风控系统的反应速度。

传统账单风控的三道防线，全部失灵

大多数公司的云成本风控，本质上就三道防线：

第一道：预算告警。 设置一个月度预算阈值，超过 80% 发邮件提醒。问题是，AI 算力的消耗速度是指数级的。一个大模型推理任务可能在几分钟内就烧掉几百美元，而告警系统的检测周期通常是小时级甚至天级的。等告警邮件送达，预算早就被打穿了。

最近帮一个 Node.js 中间层排查 OOM。一个聚合接口，把三四个下游接口的数据拼一下吐给前端，单次请求的数据量也就两三 MB,看着毫无压力。但 Grafana 上常驻内存随 QPS 线性爬升，GC 触发得越来越频繁,终于在晚高峰把进程撑爆了。

翻代码，逻辑大致是这样：

```js
const responses = await Promise.all(
endpoints.map(url => fetch(url).then(r => r.json()))
)
return res.json(merge(responses))
```

看起来人畜无害。`fetch` 拿到的是流，`.json()` 一次性消费它，`merge` 拼好再 `res.json()` 序列化出去。整个链路里数据至少出现了三份：原始响应体、解析后的对象、合并后的对象。再加上序列化时的字符串缓冲，单请求峰值轻松到原始数据的四五倍。这还没算 V8 把这些短命对象塞进新生代、触发 Scavenge 的开销。

上周四晚上十点半，我收到一条告警：生产环境的理财持仓页白屏率从0.1%飙升到8%。排查了两小时，最后发现是一个间接依赖发布了"patch"更新，把一个工具函数的返回值从数组改成了迭代器。没有破坏性变更声明，没有 major 版本升级，就是一个小小的 1.2.3 到 1.2.4。

这种事在 Node.js 生态里不算新鲜。每个在前端或 BFF 层待过几年的工程师，大概率都经历过类似的"幽灵故障"——代码没动，依赖没升，线上突然就挂了。问题出在哪？出在我们把 semver 当成了契约，但它充其量只是一份君子协定。

semver 的承诺本身就是模糊的

semver 的规则看起来很简单：major 变更代表不兼容的 API 修改，minor 是向后兼容的功能新增，patch 是向后兼容的问题修复。三段式版本号，清晰明了。

在技术领域深耕近二十年，我先后跨越了通信、软件、互联网等多个行业，并在金融科技领域潜心笃行近十年。一路上，我经历了从后端到前端的技能迁移，也完成了从普通工程师到研发管理者的角色跃迁。我曾作为初创成员，从零开始搭建起一支高效的团队；也曾与伙伴们并肩作战，见证了核心业务突破万亿规模的高光时刻。

然而，当技术管理走到深水区，我逐渐感受到了那面无形的玻璃天花板——单纯的技术视角在面对复杂的商业战略、跨部门协同以及宏观市场变化时，常常显得力不从心。

为了突破认知瓶颈，重塑个人品牌，并构建更宽广的资源网络，我选择在职业生涯的黄金期主动求变。2026年，我顺利拿到了上海交通大学安泰MBA综合管理方向的拟录取通知。

这段备考之路，既是一次严苛的自我测试，也是一场关于"取舍"的修行。以下是我的一些实战经验，希望能为正在筹备考研的学弟学妹们提供一些落地、有价值的参考。

一、择校：谋定后动，选择最契合的土壤

对于在职备考的人来说，精力的分配是极其奢侈的，因此择校的精准度决定了备考的性价比。我选择交大安泰MBA，主要基于三个维度的考量：

上周和一个刚升 Tech Lead 的朋友吃饭，他半开玩笑说了句："我以前觉得最焦虑的是线上故障，现在发现最焦虑的是打开 Slack 不知道该回哪条消息。"

他不是在抱怨工作量。他困惑的是一个更根本的问题——他不确定自己现在到底该干什么。

这位朋友技术能力没得说，组里最难的问题都是他啃下来的。升职之后，他给自己定的策略很简单：还是干最难的活，顺便把管理的事也带着做了。三个月下来，最难的技术活他还在干，管理的事全是"顺带"——顺带开个会，顺带审批个需求，顺带和产品对个方案。团队产出反而不如他一个人扛活的时候。

这个故事不新鲜。我见过太多优秀的工程师在走上管理岗之后经历类似的挣扎。不是能力问题，是角色切换的认知滞后——你以为只是多了一些职责，其实是在换一个职业。

升的是 Title，丢的是手感

工程师的身份建立在什么上面？解决问题的能力。一个 bug 搞定，一个功能交付，一个性能瓶颈突破——每一个都是明确的、可感知的成就。这种正反馈循环是工程师职业早期的核心驱动力。

金融系统出bug和出资损，是两个完全不同的量级。功能写错了，改过来就是；页面丑了，迭代一轮就行；但钱算错了，那是客诉、是赔付、是监管约谈，严重的时候直接停业整改。

我观察到一个很普遍的反应模式：出了资损，先加测试用例；又出一次，加人肉对账；再出一次，加发版审批。每一步都在做加法，每一步都离根本原因更远。因为大部分人把资损当成了一种"严重的bug"，用防bug的思路来防资损。这个认知偏差才是资损反复出现的根源。

资损不是bug的严重版

普通bug和资损的核心区别在于：bug是你功能做错了，资损是你的功能没做错，但钱错了。

一个理财产品页面，把年化收益率3.5%展示成3.8%，这是bug。但用户基于3.8%做了购买决策，实际到账按3.5%结算，用户体验上的落差就是资损——即使从功能角度看，展示模块和计算模块各自都"按逻辑运行"。

更典型的场景：用户申购一笔理财，网络超时，前端重试了一次，后端处理了两笔。这两笔处理的每一笔单独看都没"错"——接口接收请求、参数校验通过、数据库写入成功。但因为缺少幂等约束，结果就是资损。