8月16日，由快手主办的“AI驱动下的大前端技术演进”技术沙龙在北京快手总部圆满落幕。活动吸引了超300名技术从业者现场深度参与，线上直播峰值突破4.6万人次。来自快手、华为、小红书等企业的五位技术专家齐聚一堂，共同分享了AI与大前端技术深度融合的创新实践与前沿思考。
关注「快手技术」公众号，后台回复关键词“大前端”获取演讲PPT。
作为活动主办方代表，快手技术副总裁，主站技术部负责人、技术族-大前端通道委员长郭亮致开幕词，他指出，快手作为以人工智能为驱动的科技公司，依托其庞大的业务规模（2025年Q1 DAU达4.08亿、月活超7亿、线上营销收入超180亿），已构建覆盖业务、研发、基础设施的全栈AI技术矩阵（如OneRec推荐大模型、可灵视频生成大模型等），并全面推进AI技术落地：
业务层，通过数字人直播、AI文案生成及端智能技术，重塑内容生产与审核消费链路；
研发层，构建AIDevOps体系，将AI深度融入需求、设计、测试全流程，显著提升研发效能；
AI infra层，系统性优化大模型推理成本、数据安全及高并发稳定性，降低AI技术接入门槛。
郭亮强调，当前正值技术发展的关键拐点，大前端领域迎来全新机遇。快手期望通过本届沙龙，携手华为、小红书等行业伙伴，共同探索AI对大前端技术的深远影响与未来演进方向，推动技术创新，释放长期业务价值。
《可灵 AI 平台开发中 AI 原生体验与技术的探索和挑战》
快手可灵AI技术部产品开发中心负责人施侃乐，深入剖析了可灵AI平台（全球首个用户可用的视频生成大模型平台）与传统APP的核心差异。可灵平台快速实现了从服务上线、到国际化，再到商业化和多端覆盖的阶梯步近，探索了新的人机交互模式。
其一：从指令到描述再到会话，构建新的人机交互模式
传统APP依赖结构化/非结构化指令（例如prompt输入），可灵引入大语言模型驱动的会话式交互，通过渐进式Markdown渲染和深度推理，将单向指令转为双向协作。用户可通过自然语言动态细化需求，模型持续适配用户习惯，形成深度粘性（用户切换成本显著提升）。结构化指令、非结构化Prompt与会话交互协同运作，兼顾效率与深度，有效规避纯文本交互的“效率陷阱”（低信息密度瓶颈）。
其二：机器协作新范式：精确系统与模糊外脑的协同
传统机器间通过 JSON/XML 等结构化协议交互，而 AI 时代需构建精确计算机器与模糊外脑（如大模型）的协作，涉及异步渐进式结果、半结构化自然语言等新协议。未来需解决 “程序逻辑（形式化）与思维逻辑（开放性）混合编程” 的新课题，从而解耦人机双脑协同模式。
施侃乐强调，AI原生应用的开发交互形态与人机合作形态将持续演进，需要以更高维度审视，迎接新认知、新基建、新目标和新协作方式带来的交互范式变革。
快手可灵AI技术部产品开发中心负责人-施侃乐
《Agent时代，鸿蒙应用生而智能》
华为高光远系统分享了小艺智能体开放平台三大开发范式：
LLM开发模式：基于LLM自主决策，输入需求零门槛生成智能体，适配简单业务场景；
Workflow模式：严格遵循预设流程执行，适用于对流程稳定性要求较高业务；
A2A协同模式：通过A2A协议接入，适用于已有的智能体或适配有自研能力的企业。
鸿蒙Agent的核心特色在于整合端插件（安全调用日历、备忘录等系统功能接口）与云插件能力，支持知识库管理（切片、检索、索引）及记忆功能（变量记忆与长期记忆），助力开发者快速构建个性化智能体。应用的某个功能可以封装成端插件，智能体可以调用端插件，实现执行应用的某个功能，应该可以通过集成Agent Framework Kit拉起自己的智能体进行交互，实现了应用和智能体之间的双向互通。高光远分享了多个应用案例，如深航智能体根据用户需求推荐观景座位（雪山/晚霞），喜马拉雅智能体通过端插件调用APP功能并总结播客内容。
《AI驱动的流程协同：AIDevops 在快手大前端的落地实践》
快手主站技术部前端专家钟艺系统阐释了AIDevOps智能协同系统「码灵AI」的实践路径。该系统以多智能体为核心，重构需求理解、代码生成到提测发布的全流程，并以HR活动页开发为实证案例，展现Agent智能编码和协同交付能力。核心突破聚焦大模型上下文工程：
上下文获取：码灵AI采用Agentic Search方式，实现大模型自主上下文捕获，结合Figma Schema算法调优，提供足够系统化、结构化的UI场景上下文，保障较高的视觉还原度与代码生成率率；
上下文处理：码灵AI设计了TaskFlow架构，成功解决了复杂场景下页面级别的智能编码难题；
上下文管理：建立长期记忆机制，结合多智能体协同驱动，形成可演进的 AIDevops 流程协作与智能交付体系。
当前码灵AI已实现页面级代码生成，深度融合快手组件库与D2C生态，支持多框架落地快手主站核心业务。未来将以“Code is cheap，show me the product”为理念，向三方向进化：
从UI场景扩展至全站级出码能力
构建跨端协同+全链路提效新范式
与企业知识库深度耦合，打造智能化研发平台
快手主站技术部前端专家-钟艺
《从像素到代码：小红书基于组件库的AI-Powered D2C 实践》
小红书前端技术专家李律介绍了传统D2C方案受限于规则驱动与固化映射，面临维护成本高、语义理解缺失、代码灵活性不足等瓶颈，也提出了现有通用AI工具在企业场景的使用局限性。AI 驱动的D2C具备智能理解设计意图、上下文感知与持续自愈优化能力，实现代码生成效率、可观测性与优雅度的三重跃升。实践演进提及极具代表性的前3个阶段：
1、小白阶段 ：输入设计稿图片 + 简单组件知识库（simple RAG+simple Prompt）的极简 workflow，30 秒内出码但 组件识别模糊、UI 还原度差。其背后归因可能在于基础模型的根本局限和市场现有AI应用无法满足。
2、探索阶段 ：基于结构化数据出码的 workflow，通过任务分层、RAG 优化、Prompt 设计等提升效果，除了 UI 还原度无法达到预期也存在输出不稳定问题。重点在六部分（设计稿解析、人工规则、任务拆解、RAG、Prompt、LLM）进行了链路优化，并基于设计稿评测集进行对比实验输出该阶段的实验报告。在该阶段李律提出“Prompt很重要，但是Context更重要”的观点。
3、MVP 阶段 ：以 “智能体优先” 为理念，在混合模式的工作流中整合设计稿预处理、组件 Headless 化（提升AI友好度，借鉴Shadcn/UI + Tailwind CSS）、组件识别召回、上下文管理、检测以及反馈微调等核心模块，强调 “Human in Loop”（人类参与）以保障质量并建立信任，当前系统输入为设计稿 / 用户 Query，输出为代码、渲染结果、过程日志。
当前挑战在于产品仍处于试点阶段“能用但需优化”，后续需聚焦影响采纳率和成本（输出指标）的多个可控输入指标的专项优化、产品化落地及AI素养提升。长期目标是实现全生命周期覆盖，颠覆设计、产品和开发的工作流，并减少人为干预。李律强调“省token的核心不是省成本而是为了效果，前端的能力模型也在这个过程当中会逐渐有所转变”。对于“AI替代”争议，李律认为AI是合作伙伴而非威胁，需理性看待，同时也提出“AI短期被高估，长期被低估”的思考。
小红书前端技术专家-李律
《快手大前端智能可观测体系建设》
快手商业化大前端智能可观测负责人刘洋系统阐述了AI驱动的稳定性建设路径。面对广告转化链路复杂（日均PB级数据）、技术栈多元（Web/H5/鸿蒙等全栈覆盖）及营收敏感性（系统故障分钟级损失达六位数）三大挑战，团队构建了智能可观测体系：
研发域：通过规则和大模型提取手段，融合代码资产、运维资产和研发资产，构建AI研发资产库，为开发全周期提供统一、标准、系统的研发信息，抑制因评估不到位引起的问题逃逸。
运维域：在现有稳定性系统基础上，我们借助大模型能力，打造了“找变更、看数据、问经验、寻根因”四步归因法。结合RAG知识库（沉淀万次案例）与多模态分析，实现分钟级归因，效率提升5倍，归因有效率达75%。这不仅优化了问题处理流程，更推动从报警召回到智能归因的阶段跨越，为迈向智能修复奠定了坚实基础。
发布域：依托二级检测引擎（小模型粗召回 + 大模型精召回），实现了线上UI异常的及时召回，能够满足每天10万量级的UI检测需求，有效率达70%。这不仅有效弥补了原有发布召回系统的短板，更推动了UI检测从人工检测向智能检测的跨越。
未来，我们将持续深化私域知识沉淀，加速领域专家模型落地，并推进AIBI系统建设，全方位推动稳定性系统升级，为大前端业务提供极致护航。
快手商业化大前端智能可观测负责人-刘洋
活动尾声，快手主站移动端技术平台部负责人崔通发表参会感言。他表示，聆听诸位专家的深度见解收获颇丰，特别是施侃乐老师关于“AI时代思维需转变”的观点，促使大家重新审视技术演进中的认知升级。他强调，对技术的热爱凝聚了今日的思想碰撞，并将持续驱动大前端技术在架构革新、端智能、稳定性等领域的突破。期待未来与行业同仁携手，共探更精彩的技术篇章。
快手主站移动端技术平台部负责人-崔通
推荐站内搜索：最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……
还没有评论，来说两句吧...