前端已死？一场关于代码、AI 与工程师价值的冷酷解剖

2026 年 8 月，一个前端工程师在技术社区发帖：”面了七家，全军覆没。不是技术不行，是岗位没了。”

帖子下面 2000 多条评论，一半在共情，一半在反驳，还有一小撮在说：”赶紧转全栈吧，纯前端确实没活路了。”

每隔几个月，这个话题就会像潮汐一样准时涌来一次。从 2022 年的”前端已死”，到 2024 年 AI 编程工具爆发后的”前端真死了”，再到 2026 年 AI Agent 全面落地后的”前端这次真的死透了”——死亡宣告的频率越来越高，措辞越来越笃定。

但前端真的死了吗？

一、死亡时间线：每一次技术浪潮都在”宣判”前端死刑

先回顾一下，”前端已死”这个论调到底被喊了多少次。

2010 年前后，Dreamweaver 和各类 WYSIWYG（所见即所得）编辑器风靡，”可视化建站”让很多人相信手写 HTML/CSS 即将被淘汰。结果呢？前端工程师这个职位反而在此后的十年里迎来了最辉煌的增长期。

2014 年，Bootstrap 等组件库让”任何人都能做出还不错的页面”，有人惊呼前端要被”组件化”消灭。结果呢？组件库催生了更复杂的设计系统和工程化需求，前端工程师的数量不减反增。

2018 年，低代码平台开始崛起，OutSystems、Mendix、国内的各类搭建平台承诺”零代码构建应用”。结果呢？低代码吃掉了一部分简单后台系统的市场，但复杂业务前端的需求依然旺盛。

2023 年，GitHub Copilot 全面铺开，ChatGPT 能在几秒内生成一个完整的 React 组件。”AI 取代程序员”第一次成为主流话题。结果呢？Copilot 成了前端工程师的标配工具，效率提升了，但岗位没有消失。

2025 年，Cursor、Claude Code、v0、Bolt 等工具集中爆发，”一句话生成完整应用”的演示视频刷爆技术社区。初级前端岗位首次出现明显萎缩。

2026 年，AI Agent 生态全面落地，多智能体协作可以完成从需求分析到代码部署的全流程。字节跳动成立 AI 数据与安全一级部门，谷歌推出”全栈应用工程师”岗位，岗位合并信号越来越强。

看到了吗？每一次技术浪潮都在淘汰一部分重复性工作，但没有一次真正消灭了前端工程师这个角色。变化的只是——门槛在升高，定义在重写。

二、数据透视：2024—2026 年前端市场到底发生了什么

情绪化的判断没有意义，我们来看数据。

2.1 招聘需求：总量在涨，结构在变

综合 BOSS 直聘、智联招聘 2024—2026 年的公开数据，全国前端工程师月均招聘岗位数的变化如下：

年份	月均招聘岗位数	初级前端（1-2年）占比	中高级前端（3年+）占比	AI 相关前端岗位占比
2024	8.2 万	48%	52%	15%
2025	8.7 万	35%	65%	38%
2026（截至 4 月）	9.2 万	22%	78%	56%

三个关键信号：

总量在涨——2026 年较 2024 年增长 12.2%，需求没有萎缩，反而在扩大。
初级岗位暴跌——从 48% 降至 22%，腰斩还多。这就是”前端已死”焦虑的直接来源：入门岗位确实在大幅消失。
AI 能力成为标配——2026 年超过一半的岗位要求 AI 集成能力（大模型 API 对接、Agent 服务编排、多端 SDK 等）。

2.2 薪资分化：高的越高，低的越低

年份	全国平均月薪	初级前端（1-2年）	中高级前端（3年+）	AI 相关前端
2024	18.6K	12.3K	25.8K	28.5K
2025	20.1K	12.8K	28.9K	35.2K
2026	21.7K	13.2K	32.5K	41.8K

初级前端三年涨了 900 块，涨幅不到 8%。AI 相关前端三年涨了 13.3K，涨幅 46.7%。

这个数据本身就说明了一切。 市场不是不需要前端，而是不需要”只会写页面的前端”。它需要的是能驾驭 AI 工具、理解复杂业务、解决系统级问题的前端工程师。

2.3 全球视角：趋势一致

这个分化不是中国独有的现象。

GitHub Octoverse 2025：TypeScript 在 2025 年 8 月成为 GitHub 按贡献者数量计算使用最多的语言，JavaScript 和 TypeScript 生态仍是全球最大的开发者社区。
JetBrains AI Pulse Survey 2026：74% 的开发者已在工作中使用 AI 编程工具，51% 每天使用。
GreatFrontend 2026 年分析：对 6138 个活跃前端岗位的分析显示，TypeScript 相比纯 JavaScript 的薪资溢价中位数达到 27,200 美元——是 2026 年前端市场中最大的单一技能薪资差。
WebAIM Million 2026：全球 Top 100 万网站中，95.9% 存在 WCAG 可访问性检测失败，平均每页 56.1 个错误。前端质量缺口巨大。

数据拼图指向同一个结论：前端没有死，死的是”纯写代码”这个角色的定义。

三、什么在死：四类正在消亡的前端岗位

讨论”前端已死”之前，得先搞清楚：到底什么东西在死？

3.1 纯切图仔：需求下降 52%

把设计师的 Figma 稿”像素级还原”成 HTML/CSS——这个工作在 2024 年还能养活不少人。但 2026 年，v0、Bolt、Figma-to-Code 插件可以在几秒内完成同样的事，而且还原度不输人工。

AI 擅长的恰恰是这类”输入明确、输出确定、规则可枚举”的任务。一张设计稿，一个组件结构，一个清晰的视觉规范——这是 AI 的主场。

3.2 中阶 CRUD 业务前端：大幅萎缩

“写一个带分页的表格”、”做一个搜索列表页”、”搭一个表单提交页”——这类中后台 CRUD 页面曾经是前端工程师的日常主食。现在 Copilot + Cursor 可以在 20 分钟内完成以前 2 小时的工作量。

但这里有个容易被忽视的点：AI 生成的是第一稿，不是成品。

一个 AI 生成的分页表格组件，长这样：

// AI 生成的"看起来能用"的表格
function PaginationTable({ data }) {
  const [currentPage, setCurrentPage] = useState(1);
  const pageSize = 10;
  const totalPages = Math.ceil(data.length / pageSize);
  const currentData = data.slice(
    (currentPage - 1) * pageSize,
    currentPage * pageSize
  );

  return (
    <div>
      <table border="1">
        <thead>
          <tr><th>ID</th><th>Name</th></tr>
        </thead>
        <tbody>
          {currentData.map(item => (
            <tr key={item.id}>
              <td>{item.id}</td>
              <td>{item.name}</td>
            </tr>
          ))}
        </tbody>
      </table>
      <button disabled={currentPage === 1} onClick={() => setCurrentPage(p => p - 1)}>上一页</button>
      <span>{currentPage}/{totalPages}</span>
      <button disabled={currentPage === totalPages} onClick={() => setCurrentPage(p => p + 1)}>下一页</button>
    </div>
  );
}

看起来没毛病？但你实际要在生产环境里解决的是这些：

数据为空时展示什么？空状态组件的文案和交互怎么设计？
接口报错时怎么降级？重试策略是什么？
网络中断时已加载数据要不要保留？要不要离线缓存？
大数据量（万条以上）时，要不要上虚拟列表？分页还是无限滚动？
移动端表格怎么展示？横向滚动？还是切换成卡片视图？
权限控制：不同角色看到的列不一样怎么处理？
样式规范：表格边框圆角、间距是否和设计系统一致？暗色模式呢？
可访问性：键盘能否操作表格？屏幕阅读器能否正确播报？

这些问题，AI 没有任何一个能替你回答。因为它们不是代码问题，是工程判断问题。

3.3 “框架 API 记忆者”：价值归零

以前的前端面试，背一背 React 生命周期、Vue 响应式原理、Webpack 配置就能过。现在面试官自己都在用 AI 查 API，你背得比 AI 快吗？

2026 年的前端面试已经转向场景化考察：“设计一个同时适配 VR 设备与移动端的响应式组件系统”, “当 AI 生成的代码存在安全漏洞时，你的审查流程是什么”, “解释 React Compiler 的自动记忆化机制与手动 useMemo 的性能对比”——考的不是你记不记得住 API，而是你理不理解原理、能不能做架构决策。

3.4 不拥抱工具的人

这可能是最残酷的一类。有 3 年前端经验、项目经历完整的求职者，因为 AI 工具使用方式仅停留在”代码补全”的浅层次，在面试中被淘汰。

“会用 AI”和”用好 AI”是完全不同的能力层级。 这一差异正在成为前端工程师的新分层标准，直接影响求职结果。

四、什么没死：AI 替代不了的前端核心价值

前面说了一堆在死的，现在说没死的。而且这些不仅没死，价值还在涨。

4.1 CSS 不是”视觉样式”，是约束系统

AI 生成的 CSS 可以在 1440px 宽度下短英文标签里看起来完美，然后在长内容、浏览器缩放、窄容器、sticky header、嵌套滚动区、异常图片比例下彻底崩溃。

因为 CSS 的核心难题不是”好不好看”，而是一组约束求解问题：

为什么 flex 子元素溢出了？
哪个元素拥有滚动行为？
这里的宽度应该是 width、max-width 还是 min-width: 0？
当一张卡片内容是另一张的两倍时，这个 grid 布局还撑得住吗？
页面被翻译成德语（单词更长）后布局还对吗？

AI 能”建议”CSS，但前端工程师要”判断”这段 CSS 是否稳定。这个判断能力，目前 AI 给不了。

4.2 可访问性是 AI 最稳定的弱项

WebAIM Million 2026 报告发现一个反直觉的数据：使用 ARIA 的页面，平均检测到的可访问性错误比不使用 ARIA 的页面更多。

这不是说 ARIA 不好，而是说——可访问性是一个交互模型问题，不是一个标签问题。

一个 <div role="dialog"> 不等于一个可访问的模态框。你还需要：焦点陷阱、Escape 关闭、背景遮罩点击关闭、屏幕阅读器正确播报、焦点恢复到触发元素……

AI 生成的可访问性代码经常是”标签对了，行为全错”。而可访问性合规在 2026 年已经不是锦上添花——欧盟《数字可访问性法案》已全面生效，美国 ADA 诉讼持续增加，中国也在推进信息无障碍标准。这是法律要求，不是技术偏好。

4.3 性能工程：生成快不等于运行快

AI 可以帮你快速生成代码，但它不关心这段代码在生产环境的表现：

首屏加载是否在 3 秒内？（Core Web Vitals 的 LCP 指标）
长任务是否被拆分？（INP 指标）
缓存策略是否合理？失效逻辑是否正确？
大列表是否做了虚拟化？图片是否做了懒加载？
打包体积是否在预算内？有没有 tree-shaking 失效的隐患？

这些问题需要的是场景判断和实测验证，而不是模式匹配。AI 擅长模式匹配，不擅长判断。

4.4 业务边界与异常路径

一个功能”正常路径”的实现，AI 可以做。但前端工程师 70% 的工作不在正常路径上，而在：

加载态：骨架屏还是 Spinner？加载超时怎么处理？
空态：没有数据时展示什么？引导用户做什么？
错误态：接口 500 时展示什么？要不要自动重试？
权限态：无权限用户看到什么？要不要隐藏还是禁用？
极端数据：用户名 100 个字符时布局会不会崩？负数金额怎么显示？

这些是产品决策，不是代码生成。AI 不知道你的产品应该怎么处理这些边界情况，因为这些决策取决于业务上下文、用户画像和产品策略——这些东西在代码库和设计稿里都不存在。

4.5 跨职能沟通

前端工程师站在产品、设计、后端、QA 的交叉点上。一个需求从”产品想要”到”用户能用”之间，有无数的取舍需要协商：

产品想要的交互，在当前技术约束下可行吗？成本值得吗？
设计师给的视觉，在不同设备和浏览器上能一致吗？
后端给的数据结构，前端是否需要 BFF 层做转换？
QA 提的 bug，根因在前端还是后端？怎么界定？

这些沟通本质是责任和判断，不是生成。AI 可以帮你写一段代码，但不能替你跟产品经理讨论”这个需求到底要不要做”。

五、能力金字塔：2026 年前端工程师的四层模型

综合 2026 年的招聘趋势和行业实践，前端工程师的能力结构正在形成一个新的金字塔模型。

第一层：核心前端基础（不可妥协）

这是地基。不管 AI 怎么发展，这些能力永远是前端工程师的立身之本。

TypeScript：2026 年中高级前端岗位 100% 要求 TS 能力。新项目 TypeScript 优先采用率超过 80%。学 React 不学 TypeScript 等于在盖一个市场正在主动升级掉的房子的地基。
React / Vue 3：React 占据前端岗位约 75% 的份额，Vue 在国内市场依然强势。重点是 hooks/composition API、状态管理（Zustand/Pinia）。
工程化工具链：Vite、构建优化、性能监控、CI/CD。
样式方案：Tailwind CSS 已成为 AI 产品 UI 的事实标准。

第二层：AI 交互能力（核心差异化）

这是区分”会用 AI”和”用好 AI”的分水岭。

流式渲染：实现 SSE（Server-Sent Events），处理 ReadableStream chunk 解析，打字机效果，断线重连与降级策略。
会话与上下文管理：历史消息拼接、token 节流、上下文裁剪、持久化；在有限的模型窗口内保留关键信息。
富文本与 Markdown 实时渲染：代码高亮、表格、公式、复制运行、虚拟滚动保持 UI 响应。

这一层的关键洞察是：前端工程师不再只是”展示后端给的数据”，而是直接和 AI 模型交互，管理生成过程，控制输出质量。

第三层：AI 工程能力（中高级门槛）

RAG（检索增强生成）管道：前端需要处理文档解析（PDF/Word/Markdown 分块）、向量存储集成、语义召回、结果排序。完整链路是：文档解析 → 分块 → 向量化 → 向量库检索 → Prompt 拼接 → LLM 回答。
多模型适配：用适配器模式统一不同 LLM 端点（GPT 做推理、Claude 做长文档、自部署 Qwen 做垂直问答），支持灰度切换和降级。

第四层：前沿能力（架构师级）

端侧 AI 推理：2026 年 WebGPU 浏览器覆盖率超过 85%，轻量模型（Qwen2.5-1.5B、Llama-3.2-3B）可以在浏览器本地运行，延迟低于 50ms。工具链包括 WebLLM、Transformers.js、ONNX Runtime Web。
Agent 编排：多步骤工作流、工具调用、多智能体协作。框架包括 LangGraph、Dify、Coze。
体验架构：设计端到端的 AI 交互体验，定义用户如何与智能体交互，决定 AI 生成内容的可信度和可用性。

六、岗位演变：从”页面仔”到”AI 架构师”

前端工程师的职业路径正在发生根本性重构。不是”前端岗没了”，而是”前端岗的定义被重写了”。

6.1 正在消失的岗位

岗位类型	需求变化	薪资变化	核心原因
纯切图/静态页面	下降 52%	暴跌 30%+	AI 一键生成
中阶 CRUD 业务前端	大幅萎缩	下降 20-40%	Copilot 替代
框架 API 使用者	严重萎缩	下降 15-30%	AI 记得比你快

6.2 正在崛起的岗位

岗位类型	需求变化	薪资变化	核心原因
前端 + AI 应用工程师	增长 215%	15-35K	大模型 API 交互需求爆发
全栈偏前端/BFF	持平微增	20-40K	全栈能力稀缺
复杂交互/性能/3D 前端	持续上涨	30-60K	AI 难以替代
架构/工程化/设计系统	显著上涨	Top 10% 大涨	战略价值高
低代码平台前端架构师	快速增长	25-50K	复合型人才缺口
可视化/数字孪生前端	需求激增	30-60K	智慧城市/数字工厂

核心趋势：岗位在向”哑铃型”两端集中。 一端是高度复合的架构师和 AI 工程师，另一端是深度垂直的性能/可视化/3D 专家。中间的”纯业务前端”空间在快速收窄。

6.3 大厂的信号

2026 年，字节跳动、阿里、谷歌等大厂已明确释放”岗位合并”信号：

谷歌”全栈应用工程师”：前端只是其中一部分，需覆盖完整交付链路。
字节”AI 全栈工程师”：职责扩展到 AI 产品工程化、Agent 服务编排、多端 SDK。
阿里：30% 前端岗位要求大模型开发能力，资深工程师年薪突破 70 万。

这不是”裁掉前端”——这是”重新定义前端”。企业不再需要”只写前端的人”，但极度需要”能从前端出发、覆盖完整链路的人”。

七、自救指南：前端工程师的六个转型方向

如果你是前端工程师，现在正站在十字路口。以下六个方向不是互斥的，可以根据自身基础组合发展。

方向一：AI 交互专家——前端 × 大模型

把 AI 的能力接入产品的前端入口。你需要掌握：

// SSE 流式渲染的核心实现
async function streamChat(message: string, onChunk: (text: string) => void) {
  const response = await fetch('/api/chat', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ message }),
  });

  const reader = response.body?.getReader();
  const decoder = new TextDecoder();
  let buffer = '';

  while (reader) {
    const { done, value } = await reader.read();
    if (done) break;

    buffer += decoder.decode(value, { stream: true });
    const lines = buffer.split('\n');
    buffer = lines.pop() || '';

    for (const line of lines) {
      if (line.startsWith('data: ')) {
        const data = JSON.parse(line.slice(6));
        if (data.content) {
          onChunk(data.content); // 逐 chunk 回调
        }
      }
    }
  }
}

这段代码看起来简单，但生产环境要处理的问题远不止这些：网络中断重连、token 限流、上下文裁剪、多模型灰度切换、Markdown 实时渲染的性能优化……每一个都是一个独立的工程领域。

方向二：性能工程专家——深挖底层原理

AI 能生成代码，但解释不了为什么 React Compiler 的自动记忆化在特定场景下比手动 useMemo 更高效。性能工程师的价值在于：

理解浏览器关键渲染路径的每个阶段
能定位和修复隐蔽的性能回归
制定性能预算并确保团队遵守
用 React Profiler、Chrome DevTools、Lighthouse 做深度诊断

方向三：可视化 / 3D 前端——进入 AI 难以触及的领域

Three.js、Cesium、WebGL、WebGPU——这些领域代码量巨大、数学门槛高、调试极其依赖场景直觉。AI 生成的 3D 代码经常编译不过，或者性能崩塌。

智慧城市、数字孪生、电商 3D 展示、WebXR……这些赛道的需求在暴涨，而人才供给严重不足。

方向四：全栈 AI 工程师——向前延伸

不满足于只做前端，向 Node.js、BFF、Server Components、边缘计算延伸。同时掌握 Agent 编排框架（LangGraph、Dify、Coze），能独立完成从需求拆解到端到端交付的全链路。

这不是”前端转后端”，而是”前端向前延伸”——你的核心仍是前端，但你的能力半径覆盖了完整交付链路。

方向五：设计系统架构师——治理而非生成

什么时候该用现成组件库？什么时候必须自研？跨团队的约束一致性怎么维护？这些都是治理问题，不是生成问题。

设计系统架构师的价值在于：建立一套可持续演进的组件体系，让团队（包括 AI 工具）都在同一套约束下工作。

方向六：端侧 AI 先锋——浏览器内推理

WebGPU 覆盖率超 85%，轻量模型可以纯浏览器运行。这意味着：

零后端成本的文档摘要
隐私优先的实时翻译
离线可用的智能助手
无需服务器的图像分析

这是一个被严重低估的机会。当前端可以直接在浏览器里运行 AI 模型时，整个应用架构都会被重新思考。

八、技术趋势：2026 年前端的五个确定性方向

8.1 TypeScript 彻底取代 JavaScript

2026 年，TypeScript 已不是”加分项”而是”入场券”。中高级岗位 100% 要求 TS，新项目 80% 以上 TS 优先。React 官方脚手架默认 TS，Vue 3 的类型支持也日趋完善。

TS 的价值不在于语法，在于它传递的信号：你能用类型设计更大的应用、在团队中以类型为文档协作、用类型约束而非运行时调试来减少 bug。

8.2 服务端渲染成为默认

React Server Components（RSC）、SSR by default、Edge Rendering——这些在 2025 年还是”高级优化”，2026 年已经成为生产环境基线知识。

前端工程师必须理解：什么在服务端跑、什么在客户端跑、hydration 怎么工作、流式渲染怎么处理。这是一套比传统 CSR 更复杂的思维模型，也是当前招聘中最常被提及的技能缺口。

8.3 AI 原生开发范式

不是”用 AI 辅助写前端代码”，而是”前端开发流程围绕 AI 重构”：

需求分析阶段：AI 辅助拆解用户故事
设计阶段：AI 生成初稿，人工审核迭代
编码阶段：AI 生成组件骨架，人工填充业务逻辑
测试阶段：AI 生成测试用例，人工补充边界场景
部署阶段：AI 监控线上表现，人工决策修复优先级

关键转变：人的角色从”执行者”变成”审核者”和”决策者”。 这不是降级——审核和决策的难度远高于执行。

8.4 端侧 AI 推理

WebGPU + Transformers.js + ONNX Runtime Web，让浏览器成为 AI 推理的运行时。这意味着大量 AI 功能不再需要服务端——隐私、延迟、成本三个维度同时改善。

前端工程师如果能在这一波抓住机会，就是在新一轮技术周期里抢到了先发位置。

8.5 无障碍不再是可选项

95.9% 的 Top 100 万网站存在 WCAG 检测失败——这不是一个技术问题，是一个法律问题和伦理问题。欧盟、美国的法规已经在执行，中国的标准在推进。

掌握可访问性的前端工程师，在 2026 年属于稀缺人才。而这个领域恰恰是 AI 最不擅长的——语义化标签、键盘导航、屏幕阅读器行为、ARIA 角色体系，这些都是 AI 输出最稳定的弱项。

九、写给不同阶段的人

给初级前端（0-2 年）

你是最焦虑的群体，也是最需要冷静的。

首先接受现实：纯切图、纯 CRUD 的入门岗位确实在大幅减少。但这不意味着前端没有未来——而是意味着你需要更快地跨过”纯执行”阶段。

具体建议：

TypeScript 第一。不要先学 React 再补 TS，直接 TS-first 入门。
用 AI 但不依赖 AI。用 AI 学原理，而不是用 AI 跳过原理。让 AI 解释代码为什么这么写，而不是直接生成代码。
做完整项目而非碎片练习。一个端到端的小项目（从需求到部署）比十个练习题有价值得多。
关注 AI 交互。学会接入 LLM API、实现 SSE 流式渲染、处理 Markdown——这些是 2026 年的”基础功”。

给中级前端（3-5 年）

你可能正处于”用 AI 生成代码很快，但不确定自己价值在哪”的迷茫期。

核心建议：从”写得快”转向”判断得准”。

AI 帮你解决了”怎么写”的问题，但”写什么”、”为什么这么写”、”什么不能这么写”——这些判断力才是你的护城河。具体来说：

深入一个垂直方向（性能、可视化、AI 交互、架构）
学会审查 AI 生成的代码——安全漏洞、性能隐患、可访问性缺失
向前或向后延伸能力链路——BFF、RAG 管道、端侧推理
在团队中推动 AI 工具的规范化使用

给高级前端 / 架构师（5 年+）

你的挑战不是”会不会被 AI 取代”，而是”如何带领团队在 AI 时代保持竞争力”。

建立团队的 AI 代码审查流程和规范
设计可持续演进的设计系统和组件体系
推动端侧 AI 在产品中的落地
培养团队从”执行者”到”审核者”的思维转变

十、结语：死的不是前端，是”纯写代码”这个定义

回到开头那个问题：前端真的死了吗？

如果你说的”前端”是指”把设计稿还原成 HTML/CSS”、”用 React 写 CRUD 页面”、”背框架 API 就能上岗”——那确实，这个”前端”正在快速消亡，而且不可逆转。

但如果你说的”前端”是指”定义用户如何与数字产品交互”、”在复杂约束下做出正确的工程决策”、”在 AI 时代构建可信、可访问、高性能的用户体验”——那这个”前端”不仅没死，价值还在前所未有地上升。

正如一位转型成功的前端工程师所说：

“我现在很少写纯 CSS 了，但我在做的事，比过去任何时候都更接近一个工程师真正的价值。我定义用户如何与智能交互，决定 AI 生成内容的可信度和可用性，思考什么样的界面能让人更信任机器。这些问题，比写一个完美的 Button 组件难多了，但有趣多了。”

前端从来没有死，死去的只是我们自己定义的那个”前端”。

2026 年的前端工程师，需要的不是对 AI 的恐惧，而是对自身价值的重新认知。AI 接管了”票据级”的脚手架工作，但”系统级”的权衡、判断、决策——这些才是工程师真正的价值所在，也是 AI 在可见的未来里持续失败的领域。

方向已经很清楚了。剩下的，是行动。