別再捲 CRUD 了？前端轉 AI 這條路，先把話講清楚

（周允中）2026 年 9 月 4 日，掘金上一篇標題寫著「別卷CRUD了」的長文開始在技術社羣流傳。文章的主張很直白：前端工程師不用從零學 Python、不用啃深度學習，只要用熟悉的 Next.js 加上 LangChain.js，就能切入 AI 應用開發這條被認為薪資天花板更高的賽道。兩週過去，這套說法仍在各大技術論壇被反覆轉述，贊成與吐槽各半。值得回頭把它當成一個就業市場的訊號來讀，而不是一篇教學文。

先看這篇文章戳中的痛點

原文對前端處境的描述，和不少工程師的日常相符：會 React、會 Vue、會切圖是標配，工作內容大量是後臺系統的迭代與重複的增刪查改，同質化嚴重。薪資在一兩年後卡住，三五年碰到瓶頸，一個職缺排隊面試的人一年比一年多。

這個描述是否精確見仁見智，但它反映的情緒是真實的。當一份工作的產出越來越容易被範本化，當事人自然會往稀缺技能移動。問題在於，往哪裡移、怎麼移，才是整件事的核心。關於技術能力與職涯回報之間常見的落差，我們先前在程式碼寫得漂亮為何升不上主管一文裡有過討論，結論放在 AI 議題上同樣適用：市場付錢買的是可解釋的商業產出，技術組合只是門票。

「95% 的 AI 落地不需要演算法」這句話，對了一半

原文最有力的主張是：市面上絕大多數商業化 AI 專案，真正需要模型訓練與調參的場景是少數，其餘都是應用層的工作，包括安全封裝模型 API、搭建 RAG 知識庫、做對話與文件解析、打磨串流輸出的互動體驗。這些工作確實存在，而且量不小。

對的部分在於分工。AI 產業的價值鏈本來就分成訓練模型的人、營運模型服務的人，以及把模型包成產品的人。最後這一羣的需求量最大，因為每多一個模型能力，就多出十種可能的產品形態，每一種都需要有人做介面、做服務端邏輯、做資料流。

不那麼精確的部分，是「不需要懂底層」不等於「不需要懂原理」。做 RAG 就得理解文本切塊策略對檢索品質的影響；做工具呼叫就得知道模型什麼時候會幻覺出錯誤參數。這些不是演算法崗的調參，但也不是組合套件就能矇混的層次。轉型成本低，與轉型沒有門檻，是兩回事。

為什麼是 Next.js，機制上說得通

文章選 Next.js 當底座，理由可以換個更生活化的說法。大模型的 API 金鑰就像家裡的鑰匙，如果直接放在瀏覽器端呼叫，等於把鑰匙掛在門把上，任何人打開開發者工具就能看到並盜用計費額度。Next.js 的價值在於它同時提供客廳與機房：API 路由與 Server Action 讓所有涉及金鑰的呼叫在服務端執行，前端只拿處理過的結果來渲染。

再用同一套 TypeScript 寫前後端，對獨立開發者或小團隊來說省掉的是溝通與介面對接成本。一個人可以從資料庫到介面走完一條產品線，這在接案、作品集、副業產品的場景裡是實際的優勢。SSR 解決 AI 問答頁的首屏與搜尋引擎收錄問題，加上 Vercel 這類一鍵部署，讓「寫完就上線」成立。這部分論述在工程上是站得住的。

LangChain.js 的角色，以及被略過的成本

LangChain.js 把文件解析、向量化、檢索、對話記憶、工具呼叫這些常見環節封裝成可組合的積木，幾行程式碼能搭出一個知識庫問答。對前端工程師來說，純 TypeScript 的生態確實降低了入場摩擦，這點無庸置疑。

但積木的另一面是，封裝層越厚，出問題時越需要往下挖。檢索結果不準、上下文爆掉、成本失控，這些狀況都發生在積木的縫隙裡。而 AI 應用的計費是按呼叫量走的，模型端每一次價格調整都會直接影響產品成本結構，我們在模型 API 調價後的成本重算裡提過這個現實。做應用的人可以不會訓練模型，但不能不看帳單。

這條路的真實形狀

把原文的宣傳語氣剝掉，剩下來的判斷大致是這樣。AI 應用開發確實是一個前端工程師可用既有技能切入的方向，Next.js 加 LangChain.js 也確實是合理的技術組合。但它的價值不在於「低成本衝高薪」，而在於讓工程師從「實作別人定義好的頁面」移到「定義並完成一個完整產品」。前者永遠在比價，後者才有議價空間。

同時要意識到，當一條轉型路徑被寫成教學文大量流傳，路徑本身就開始貶值。兩年前學 RAG 是差異化，現在履歷上有 RAG 專案的候選人已經排隊。真正拉開差距的，向來不是用了哪個框架，而是有沒有一個真的有人用的產品，以及能不能講清楚它解決了什麼問題。

對困在重複業務裡的前端工程師，這篇文章值得當成一張入場地圖，但別把地圖當成保證書。工具學起來很快，產品判斷與成本意識才是這條路上真正要補的課。