学完第一篇，你的 Agent 已经能拆解任务、分发请求、并行提速了。 但你可能还会遇到这些问题：

大势所趋，前端想继续深钻确实越来越难——这不是在制造焦虑，是我自己在认真想这件事：前端想转 JS 全栈 + AI，到底该怎么走？ 以前写过一篇 学习 TailwindCSS 顺便打造个性化在线简历项目——没有 AI 帮我生成文章，自己查资料、折腾项目、踩坑填坑。那篇文章给我留下了土壤，也真的对找工作有所帮助。 现在同样的思路，不一样的是多了 AI 当队友。（当然是不是AI生成大家应该感受得到 ^_^）

市面上能把 Markdown 转成 PDF 的工具多如牛毛：Typora、语雀、Notion、印象笔记…… 那为什么不直接用，非要自己折腾一套命令行方案？

我自己找工作的时候，遇到过这样的情况——

我们的系统现在会把完整的对话历史发给 AI。

作为前端开发者，当你开始接触 Linux 云服务器、部署 OpenClaw、配置 AI 应用时，你会发现：在终端中编辑配置文件是家常便饭。

OpenClaw 作为 2026 年最受欢迎的开源 AI 助手，拥有强大的指令系统。但很多用户只会基础聊天，没有发挥出它的全部潜力。

我们来还原一个真实的场景。

有一个时刻，是每个做 AI 开发的人都会记住的——

AI 面试功能自测时，我发现 Prompt 写得很完整，题目格式也对，HR 也说”还不错”。但偶尔会出现这种情况：

Prompt Engineering 博客结构

最近在学习一个 AI 项目——一个传统的面试系统，想在里面加入 AI 面试官的功能：自动分析简历、生成面试题、评估候选人的回答、最后出一份综合评估报告。

作为一个前端开发，我以前对 AI 的理解非常浅显——就是”调用接口”。发个 POST 请求，拿到 JSON 数据，渲染到页面上，完事。

在上篇文章中，我们了解了 AI 的发展历程，知道了大语言模型是如何一步步演进而来的。

字数：约 1,900 字 | 阅读时间：5 分钟

学完了 NestJS 的各个知识点，你可能会有这样的感觉：

上篇讲了 Skills 的概念和架构，这篇我们动手实践。

2026 年开年，AI 圈被一个概念刷屏了：Skills。

经过前面章节的学习，我们已经掌握了 NestJS 的各个核心概念：控制器、服务、模块、中间件、拦截器、管道、守卫、异常过滤器等。这些概念看起来很多，但其实都遵循同一个设计原则。

相信很多同学都有过这样的经历：刚搭建好的 Monorepo 项目用起来行云流水，代码共享、依赖管理都很顺滑 (๑•̀ㅂ•́)و✧ 但半年之后再回头看，整个代码库已经变成了一团乱麻——循环依赖、构建缓慢、发布出错……团队群里每天都在上演”谁又把什么弄坏了”的戏码 😅