Skip to content

WangYang-Rex/awesome

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 

Repository files navigation

2024 已经到来,在 Web 前端这个岗位已经工作 9 年。这里将 2023 的学习内容做一些总结,并规划一下 2024 的学习计划。

2023 技能树

2023 年的技能树如下所示,标蓝的部分是有所接触或深入的部分:

image

以下给出学习过程中的粗略思维导图整理:

image

2023 学习情况

AI 学习

方向 细分 学习内容
Open AI ChatGPT 原理 输入输出编码(Tokenizer、Embedding)、Transformer(Self-Attention、Feed Forward)、训练策略(预训练、Finetune、Few-Shot、RLHF)
Open AI ChatGPT 基础 Prompt Engineering 生成(提示工程)、Temperature、Tokens、Models(训练模型)、Fine-tuning(微调模型)、Completion、Embeddings

Open AI 能够提升开发者的生产力,也能快速提高学习的认知力。通过学习 ChatGPT 的原理,可以更好的了解 AI 的运行机制和具备的能力。学习 ChatGPT 的基础知识,可以更好的结合它和业务的使用场景并提升开发者工具和业务产品的智能化。当然,我们的侧重点不是去细致研究底层的 AI 模型如何实现,而是需要借助 AI 的智能化能力实现套壳的业务产品,例如:

  • 阶段一:卷 AI 的 UI 形态,调用 Open AI 接口,ChatGPT 回答什么,套壳产品回答什么
  • 阶段二:构建优质的 Prompt(提示工程),套壳产品卷 Prompt 的质量和分发
  • 阶段三:特定领域的 Embedding 数据集向量化,构建自己的向量数据库,解决 AI 无法触及的私人数据和垂直领域问题,例如 AI 答疑小助手
  • 阶段四:微调(Fine-Tuning)模型,相对于 Prompt 每次调用 Open AI 接口时需要携带大量的上下文信息并消耗大量的 Token,微调是训练模型本身,使用优质的数据对模型进行二次训练,让模型匹配对特定数据的理解,此时消耗的 Token 更少,响应的速度更快
  • 阶段五:AI Agent(人工智能代理),利用阶段一到阶段四的能力组合来设计一个软件实体,它可以自主决策任务的最优执行路线。 AI Agent 可以使用不同的微调模型来处理不同的任务和功能,最终通过智能决策来完成任务执行和结果展示。例如旅游 AI 助手,告诉助手什么时间段需要去哪里旅游,它可以根据历史数据自动订机票、订酒店以及订景点门票等,甚至还可以根据旅游攻略帮你定制体验更好的旅游路线并协助你避开高峰期

对于 AI 仅仅停留在认知和简单的使用层面,没有参与到实际的业务开发中,这一块事实上是自己落后的原因,如果自己早早进入布局,或许可以在之前的扩展框架对应的 VS Code 扩展 DevOps 开发工具上进行 AI 能力的集成,从而助力扩展业务的智能化开发,希望 2024 能够让自己在这一块有所研究和产出。

除此之外,推荐大家使用 Github Copilot & GIthub Copilot Chat(VS Code 插件)来提升编码效率,它可以智能的创建代码、补全代码、优化代码、分析源码以及快速提供配置解决方案等。当然,如果你会频繁撰写开发和技术相关的文档,特别推荐使用钉钉的魔法棒功能,它可以非常智能的协助你完成文档设计(文案创作、大纲生成、语气润色、竞品分析等)。

Docker 技术

方向 细分 学习内容
Docker 基础知识 虚拟机、Linux 容器、沙箱
Docker 基础概念和命令 Images、Containers( Image 的运行时实例)、Docker Hub
Docker 镜像制作 Dockerfile & 指令
Docker 原理解析 感性认知
K8S 感性认知 Ingress、Services、Pod、Containers

Docker 主要用于前端静态资源的运维,分为镜像制作(利用 Node.js 聚合产物并设定 Niginx 运维配置)和容器运行时的 Nginx 静态服务启动。虽然在设计的过程中研究了一下 Docker 的技术原理(虽然也学习过 Golang,对 C 语言也非常熟悉),但是感觉学了又好像没学,等后续有时间可以好好再深入研究一下。除此之外,在真正的业务设计中还涉及了 K8S 的 Ingress(转发规则)、Service 以及 Pod 等运维概念,只不过这一块在实际的业务中只停留在认知层面,没有做过真正的实践。

工作和学习提效

方向 细分 学习内容
学习 & 工作提效 快捷键 Mac 系统 & App & 终端快捷键提效(KeyCastr & Keyclu & Karabiner-Elements、Hyper Key)
学习 & 工作提效 Mac App Rectangle、Arc、Raycast
学习 & 工作提效 终端 iTerm2、ohmyzsh、zplug、ohmyzsh 插件、powerlevel10k 主题
学习 & 工作提效 VS Code 编程 Github Copilot、GIthub Copilot Chat、IntelliCode、Tailwind CSS IntelliSense

由于受到了 AI 降维打击的刺激,决定提升一下自己的工作和学习效能,从各个快捷键、App、终端配置、AI 编程等方面对自己进行了提效升级。其中,感觉最能提效的是 Raycast,它具备了 Quicklinks、Extensions、Script Command 以及快捷键设置等诸多能力,当然个人现在用的还比较浅,如下所示:

image

温馨提示:Raycast 的同类型的软件包括 Alfred,尽管 Alfred 的自定义工作流 Workflow 更为强大,但是不对免费用户开放。

2024 学习计划

期望24年在服务端技术(Node.js)方向上做倾斜,更多的往全栈(Next.js)的方向去靠。

通过 2023 以及往年的技术总结,我发现个人比较感兴趣并且可以深入的技术包括以下几块:

内容 学习优先级 说明
SSR CSR & ESR 虽然早期使用过 Nuxt,但是基本上已经忘记了 SSR 的同构原理,说明学习的还不够深入和全面,同时对 Next.js 以及 Vercel 非常感兴趣,希望有时间可以利用 Next.js 以及相应的服务技术重新打造一个全新的博客站点
Docker 技术 Docker 主要用于前端静态资源的运维,分为镜像制作(利用 Node.js 聚合产物并设定 Niginx 运维配置)和容器运行时的 Nginx 静态服务启动
AI Agent 通过 Embeddings 嵌入技术或者 Fine-tuning 微调模型来训练个人的博客数据、聊天数据、健康数据等,打造个人的 AI 数字 IP(AI 智能体)
React 框架原理 React 完整的原理分析、React 新语法特性

通过 2023 年以及往年的技术栈总结可以发现,自身学习的内容越来越碎片化,越来越难形成体系化的沉淀。如果没有业务需要,学习和技术的深入只会让自身知识面接收频率越来越低,并且学习效率越来越低。

2024 年不希望自己在技术深度上继续挖掘,除非是业务和小册撰写需要,更希望在广度上能够全面发展,因此希望自己往全栈的技术和业务方向去深入,包括 SSR 的原理解析、Next.js 的使用。

2023 书签

这里将平时学习时查阅的博客、文档、电子书、PPT、视频以及 Github 仓库等进行书签汇总,并按照收藏时间进行倒序排序。如果想浏览某一项技术,建议从低到高进行浏览。通过整理年度书签,可以用于分析自己在这一年中主要学习了哪些技术。

面试

Awesome

Open AI

Chromium

TypeScript

JavaScript

HTML

iframe

Web Component

CSS

Next 全栈框架

React

Vue

Svelte

HTTP

Git

NPM & Yarn

版本规范

Node.js

Lint & Prettier

Module Federation

Babel

构建工具

静态站点生成器

CI / CD

测试

Chrome DevTools

调试

扩展

组件库

性能优化

工程化

Monorepo

监控

运维

SSR

客户端

跨端

WebAssembly

微前端

Rust

低代码

IDE

风格指南

编程指南

解决方案

编译器相关

Mac App

Chrome 插件

VS Code 插件

终端

总结

About

前端进阶知识汇总

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published