AI 总在写旧代码?Google 联手微软、Mozilla 推出 Modern Web Guidance

多厂商开源项目教 AI 编程 Agent 掌握现代 Web 特性并扫描旧代码。
文章介绍了由 Google Chrome、微软、Mozilla 及 MDN 团队联合推出的开源项目 Modern Web Guidance。问题的根源在于 AI 编程模型的训练数据来自大量现代浏览器能力成熟之前的旧网站,导致其倾向用 JavaScript 重造浏览器原生已具备的能力,产出臃肿缓慢的代码。该项目的做法是将「最新 Web 特性 + 各浏览器支持情况」注入 AI 编程 Agent,使其生成代码时参考现代平台能力;同时提供一条命令扫描整个项目,定位需改造的旧代码,兼顾新代码预防与存量项目体检。文章认为多厂商联手与 MDN 参与保证了知识新鲜度,并建议开发者接入工作流、分批清理存量代码,具体细节需查阅 GitHub 仓库文档。
AI 编程助手写出的前端代码,往往带着一股"考古味":用一堆 JavaScript 去实现浏览器早就能原生完成的事情。这不是模型不够聪明,而是它学习的数据本身就偏旧。近期,Google Chrome、微软、Firefox 背后的 Mozilla 以及 MDN 团队联合推出了一个名为 Modern Web Guidance 的开源项目,专门解决这个问题。据 YouTube 频道对项目的介绍,它可以接入你的 AI 编程 Agent,教会它最新的 Web 特性以及各浏览器的支持情况,并用一条命令扫描整个项目、定位需要改造的旧代码。

问题的根源:模型学的是「旧互联网」
据该视频的分析,AI 编程模型的知识来源是互联网上数以百万计的旧网站。这些站点大量存在于现代浏览器能力成熟之前,代码里充斥着绕开浏览器、在 JS 层重新造轮子的写法——用脚本实现布局、动画、表单校验,甚至手写本可由平台原生提供的交互逻辑。
结果就是:AI 会忠实复现这些过时模式,产出「又大又慢」的代码。对开发者来说,这类代码不仅体积臃肿,还很难判断到底是必要的兼容处理,还是纯粹的历史包袱。原视频用词很直接——"你的 AI 正在写旧代码,而你可能根本没意识到"。

AI 编程 Agent 是指能够自主规划并执行多步编码任务的 AI 系统,典型代表包括 GitHub Copilot 的 Agent 模式、Cursor、Claude Code 等。与传统代码补全不同,Agent 会读取项目文件、调用工具、自行迭代修改代码,因此它对「平台能力边界」的认知会直接体现在产出上。若其训练语料或检索上下文中缺乏现代 Web API 的信息,Agent 就会默认采用历史上更常见的兼容写法。这也是为什么把「最新特性 + 浏览器支持矩阵」注入 Agent 上下文,能比单纯换更大的模型更直接地改善输出质量。
Modern Web Guidance 是怎么做的
据视频介绍,该项目的思路并不复杂,却切中要害:把「最新 Web 特性 + 各浏览器支持情况」这层知识,直接喂给 AI 编程 Agent。
- 接入方式:将 Modern Web Guidance 添加到你的 AI coding agent 中,它就会在生成代码时参考最新的平台能力,而非单纯依赖训练数据里的旧模式。
- 知识内容:教 AI 认识最新的 Web 特性,并明确哪些浏览器已经支持,避免 AI 因担心兼容性而退回老写法。
- 项目扫描:提供一条命令扫描整个项目,找出需要修复的旧代码,把"隐性技术债"变成可执行的清单。
这套组合的价值在于双向:既在写代码时"防患于未然",也在存量项目上提供"体检报告"。

浏览器支持情况(Baseline / browser compatibility) 是判断某个 Web 特性能否安全使用的关键依据。业界近年推行的 Baseline 概念将特性划分为「刚可用」「广泛可用」等等级,用来替代过去靠开发者凭经验猜测兼容性的做法。AI 若不了解这一划分,往往会因为「不知道 Safari 是否支持」而保守地退回 JavaScript 垫片(polyfill)或旧写法。因此,把结构化的支持数据交给 Agent,实质上是把兼容性判断从模型的模糊记忆,转为可查询的事实依据。
项目扫描 属于静态分析的一类实践:不运行代码,而是解析源码中的 API 调用、语法结构与依赖,匹配已知的过时模式规则后输出问题清单。在 Web 场景中,扫描通常针对那些已有原生替代方案的写法,例如用脚本实现的布局或表单校验逻辑。与运行时检测相比,静态扫描覆盖面广、可批量执行,适合作为存量项目的「体检」入口;但其结果依赖规则库的完备程度,规则未覆盖的旧模式仍需人工判断。
多厂商联手,意义不止于一个工具
这次合作值得单独拿出来说。据视频信息,参与者包括 Google Chrome 团队、微软、Firefox 背后的团队以及 MDN 团队。浏览器厂商在 Web 标准上常有分歧,但在"让 AI 生成符合现代标准的代码"这件事上,利益是一致的——如果 AI 持续产出面向旧浏览器生态的代码,受损的是整个 Web 平台的效率。
MDN 作为 Web 文档的权威来源参与其中,也意味着这类知识库有较大概率保持更新。对于一个要"教 AI 新特性"的项目来说,资料的新鲜度几乎决定了它的成败。

MDN(Mozilla Developer Network) 是 Web 平台文档的事实标准来源,其浏览器兼容性数据表被广泛引用,也是多个开发工具的数据源。MDN 团队参与此类项目,意味着知识内容可以依托已有的文档与兼容性数据库持续更新,而不必由每个工具自行维护一份可能过时的特性清单。对「教 AI 新特性」这类强依赖时效性的工作而言,文档源头的权威性与更新频率,往往比工具本身的工程设计更能决定长期效果。
开发者应该怎么用
据视频说明,项目已在 GitHub 开源。对日常使用 AI 编程 Agent 的开发者,比较务实的做法是:
- 把 Modern Web Guidance 接入现有的 AI 编程工作流,让新代码默认走现代写法;
- 对存量项目跑一遍扫描命令,按结果分批清理旧代码;
- 关注浏览器支持信息,避免为了兼容已经不重要的旧环境而牺牲性能与可维护性。
需要说明的是,原始素材给出的信息偏概括,项目具体的接入配置、扫描规则覆盖范围、以及不同 Agent 的适配细节,建议直接查阅 GitHub 仓库文档确认后再落地。
小结
AI 编程的效率优势建立在训练数据之上,而数据的时间差会转化为代码里的技术债。Modern Web Guidance 用「最新特性 + 浏览器支持 + 项目扫描」的组合,试图把这道时间差补上。它的开源属性与多厂商背景,让这件事有了持续演进的基础。对开发者而言,这更像是一个提醒:让 AI 写代码之前,先确保它知道现在的 Web 长什么样。
相关推荐

Gemini 4 Neon发布:前沿智能与高效任务执行的平衡之作
Google DeepMind 发布 Gemini 4 Neon,主打前沿智能与快速端到端任务执行。本文解析其在编程、企业分析、科学推理与网络安全上的基准表现、四档思考等级、定价与安全对齐数据。

AI是全球断网元凶?NSA、FAA接连宕机背后的信任危机
NSA机密网络五天内第四起重大故障,微软称软件bug、FAA否认新AI系统有关、NSA称例行维护。参议员沃纳提出AI加速漏洞发现导致仓促修复的另一种解释,而39%美国人对AI的负面看法让信任危机浮出水面。

机器人开发者自研B-rep内核,测试达3487项
机器人开发者自研B-rep几何内核并编写3,487项测试,探讨机器人领域为何需要专用CAD工具,以及自研内核的机遇与门槛。