一个在线地址的背后:前端 CMS、WebUI 与浏览器内核的三角关系

【企业知识助手·Agent 实战】如何构建 Agent 运行态可观测体系:从行为基线漂移检测到成本预算治理的深度实战 核心原理:运行态可观测的本质是把"单点阈值"升级为"与基线的分布距离"——埋点回答发生了什么,基线比较回答这是否还正常关键结论:deny 率没有单向好坏语义,必须双边告警 + known-good / known-bad 双哨兵仲裁;成本归因的终点是单位经济与预算三线一位;评测分数入库让质量拥有趋势线。 阅读详情

很多前端同学在工作中都会接触到“CMS 管理后台”和“WebUI 展示端”这两个项目。它们通常都有各自的在线地址,比如 cms.xxx.com 和 www.xxx.com。

但正是因为“都在浏览器里打开”,很多人会混淆它们的角色,搞不清楚:这个在线页面到底是怎样影响最终用户看到的页面的?要改功能到底该动哪个仓库?

这篇文章就用“在线地址”这个视角,把整条链路拆解清楚。


1. 两个在线地址,两个完全独立的仓库

假设你参与的项目是这样的:

  • CMS 管理后台:https://cms.xxx.com

  • 用户端网站:https://www.xxx.com

  • 后端 API:https://api.xxx.com

这三个域名背后,对应的是三个独立的代码仓库和部署单元:

地址背后是什么谁在用
cms.xxx.comCMS 前端仓库 build 出来的静态资源,部署到 CDN/服务器运营/编辑,在浏览器里打开,填内容
www.xxx.comWebUI 仓库 build 出来的静态资源,部署到 CDN/服务器最终用户,在浏览器里打开,看内容
api.xxx.comCMS 后端服务,跑在服务器上被 CMS 前端和 WebUI 前端共同调用

核心认知:CMS 的代码和 WebUI 的代码,不在同一个仓库里,也不部署在同一个域名下。它们是两条完全独立的前端项目线。


2. 一次内容更新,到底发生了什么?

假设运营同学在 cms.xxx.com 上编辑了一篇文章,点击“发布”。

整条链路是这样走的:

text

运营的浏览器(打开 cms.xxx.com)
        ↓ 操作编辑页面的 JS 代码
CMS 前端(项目 A)捕获“保存”事件
        ↓ 调用 fetch('/api/article/123')
后端 API(api.xxx.com)把文章内容存入数据库

到这里,CMS 的使命就完成了。它不负责把内容推送给用户,只负责把内容存好。

然后,当最终用户访问 www.xxx.com:

text

用户的浏览器(打开 www.xxx.com)
        ↓ 加载 WebUI 的 HTML/JS/CSS
WebUI 前端(项目 B)初始化
        ↓ 调用 fetch('/api/article/123')
后端 API 返回文章数据(标题、正文、封面图)
        ↓
WebUI 代码把数据渲染成页面 DOM
        ↓
浏览器内核根据 DOM 绘制出用户看到的网页

关键点:CMS 代码和 WebUI 代码从未直接对话,它们唯一的交集是“共享同一个后端 API”。


3. “间接跟浏览器内核交互”到底是什么意思?

你之前提的这个问题很精准:CMS 在线页面是不是间接跟浏览器内核交互?

答案是是的,但中间隔了两层。

  • CMS 在线页面:它自己也是一个浏览器里的 SPA,也会操作 DOM、发请求,也要经过浏览器内核。但这只影响运营看到的编辑界面,不影响最终用户。

  • WebUI 在线页面:这才是最终用户看到的界面。WebUI 的 JS 代码调用浏览器提供的 Web API(操作 DOM、发 Fetch、调用 LocalStorage),浏览器内核负责把这些 API 翻译成底层的渲染和网络操作。

所以,“间接交互”的真实含义是:CMS 产出数据 → WebUI 消费数据 → WebUI 驱驾浏览器内核 → 浏览器内核渲染页面。CMS 离浏览器内核,隔着 WebUI 这一整层。


4. 功能改动,到底改哪个仓库?

这是日常开发中最容易扯皮的地方。一个需求过来,到底是 CMS 前端做、还是 WebUI 前端做,还是两边都要动?

一张表说清楚:

需求改哪个仓库原因
修正文章的错别字不需要改代码运营登录 cms.xxx.com 直接改内容,数据更新后 www.xxx.com 自动显示新内容
调整 CMS 编辑器的工具栏按钮CMS 前端仓库只影响 cms.xxx.com 的界面
修改终端用户网页的标题字体颜色WebUI 仓库CMS 只管“标题是什么”,不管“标题长什么样”,样式归 www.xxx.com 的 CSS 管
新增一种“视频模块”,运营能在文章里插入视频两个仓库都要动①CMS 前端加视频上传组件 ②WebUI 前端加视频渲染逻辑
优化 www.xxx.com 的首屏加载速度WebUI 仓库资源打包、懒加载、CDN 策略都在 WebUI 侧
API 接口返回结构调整两个仓库都可能要动CMS 调接口存数据,WebUI 调接口取数据,字段名一变两边都要改

5. 总结

当你看到 cms.xxx.com 和 www.xxx.com 这两个在线地址时,脑子里应该立刻浮现出这幅图:

text

[cms.xxx.com]   →   CMS 前端仓库   →   内容生产
       ↓                                 ↓
[api.xxx.com]   ←   共享后端 API  ←   内容存储
       ↓                                 ↓
[www.xxx.com]   →   WebUI 仓库    →   内容消费
       ↓
[浏览器内核]    →   最终渲染
  • CMS 是内容的生产者,它的在线地址是编辑的工坊。

  • WebUI 是内容的消费者,它的在线地址是用户的窗口。

  • 两个仓库独立开发、独立部署、通过 API 串联。

  • CMS 不碰浏览器内核的最终渲染,它只负责产出数据;真正“间接跟内核交互”的,是 WebUI。

以后再有人问“这是个 CMS 的需求为什么 WebUI 要动”,你就可以直接把这篇文章发过去——因为两个在线地址背后,是两个世界。

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战 本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。 阅读详情

相关推荐

Layui CMS 2.0:打造高效响应式后台管理

在现代网页开发领域,CMS(内容管理系统)扮演着至关重要的角色。CMS不仅可以帮助内容创作者轻松管理网站内容,还能提供丰富的用户界面和功能。Layui CMS 2.0作为一套基于layui框架的管理系统,它在用户体验、性能优化、模块化设计等方面,为用户提供了全新的体验。本章我们将从Layui CMS 2.0的简要介绍开始,进一步深入探索它的核心特性以及如何在实际开发中发挥作用。Layui CMS 2.0不仅仅是一个简单的后台管理系统,它更是一个集成了现代前端技术的解决方案。

weixin_32661831的博客 1282

Flask+Layui的CMS后台管理系统

一款 Python 语言基于Flask、Layui、MySQL等框架精心打造的一款模块化、高性能、企业级的敏捷开发框架,本着简化开发、提升开发效率的初衷触发,框架自研了一套个性化的组件,实现了可插拔的组件式开发方式:单图上传、多图上传、下拉选择、开关按钮、单选按钮、多选按钮、图片裁剪等等一系列个性化、轻量级的组件,是一款真正意义上实现组件化开发的敏捷开发框架。

一米阳光的博客 1002

高借鉴价值的完整UI网站后台管理系统CMS前端模板

简介:该资源是一套完整的网站后台管理系统(CMS)前端UI模板,具有较高的参考与学习价值。模板涵盖用户界面设计与前端交互实现,适用于快速搭建功能齐全的管理后台。内容包括HTML、CSS、JavaScript及主流框架代码,配合图片、图标、字体等资源,支持响应式布局与动态交互。通过本模板,开发者可深入理解CMS系统前端架构,掌握后台管理界面的设计规范与开发实践,提升项目开发效率与设计水平。

weixin_42499004的博客 655

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 273

彩色清爽CMS后台系统UI模板下载

彩色清爽CMS后台系统UI模板下载是一款紫色大气风格的CMS后台管理系统模板,需要的朋友可以免费下载使用。

CentOS 8下openLDAP服务器搭建避坑指南:从第三方仓库到phpLDAPadmin配置

本文详细介绍了在CentOS 8环境下搭建openLDAP服务器的完整流程,包括利用Symas第三方仓库解决官方仓库不支持的问题,以及phpLDAPadmin的配置技巧。内容涵盖环境准备、核心配置、安全加固、性能优化等关键环节,帮助系统管理员避开常见陷阱,实现高效稳定的LDAP服务器部署。

weixin_30919429的博客 407

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 1万+

Python逆向爬取Tik Tok,MsToken,X-Bogus以及signature

tiktok作为字节海外的自媒体平台,具有很非常大的价值,本文旨在教会大家实现Tik Tok的签名获取以及数据的最终爬取。

weixin_74305707的博客 3268

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 216

手把手教你用STM32CubeMX配置I3C通信(含动态地址分配实战)

本文提供了一份基于STM32CubeMX配置I3C通信的实战指南,重点讲解了动态地址分配的实现步骤。通过详细的工程配置、从设备枚举、CCC命令使用及数据读写示例,帮助开发者快速掌握这一高效通信协议,以替代传统的I2C或SPI接口,满足多传感器连接与低功耗设计需求。

c8d9e0f1的博客 542

单细胞实战之亚细胞分群从T/NK至CD4+T细胞——从入门到进阶(中级篇1)

亚细胞分群从T/NK至CD4+T细胞

zfyyzhys的博客 6387

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 249

避开ego_planner仿真的第一个坑:深度相机、点云与odom话题配置全指南

本文详细解析了ego_planner仿真中深度相机、点云与odom话题配置的关键问题,帮助开发者避开常见陷阱。从数据流架构到具体配置细节,包括深度相机的内外参匹配、点云数据规范要求以及odom话题的验证方法,提供了全面的实战指南和优化建议。

weixin_30335575的博客 490

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 187

量化策略分享之ST股弱转强,回测年化123%

本策略的核心是精选ST股票,国九条过滤,防止直接暴雷退市,只做ST股票的弱转强,弱转强的认定标准是前日涨停但昨日不涨停,昨日收盘价大于前一日最低价,昨日收盘价大于10日线,昨日成交量大于前一日的成交量但小于前一日成交量的10倍,股价大于1;这类股票强势,有资金介入,能获得超额收益。

qq_29301281的博客 1268

【AI测试干货】软件测试 - 全流程提示词完整体系

本篇教程是一套专为软件测试工程师打造的 AI 协作提示词体系。从测试计划制定、用例设计、自动化脚本开发、缺陷管理,到测试报告生成,每个环节都提供了结构化的提示词模板,帮助测试人员高效利用 AI 提升工作质量。

blues_C的博客 343

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 169

EUV光源技术路线深度解析

EUV光刻技术的关键瓶颈在于13.5纳米光源的稳定高效获取。主流技术路线从DPP放电等离子体发展为LPP激光等离子体方案,后者通过激光轰击锡液滴实现更高功率输出。新出现的LDP技术综合激光预热与放电优势,虽功率扩展性有限,但为光源技术提供了有益补充。目前LPP仍是唯一通过量产验证的方案,而LDP可能作为过渡技术应用于特定场景。EUV光源的发展实质是能量转化效率与系统可靠性的持续优化过程,各种技术路线的探索共同推动着这一核心工艺的进步。

硬核科技 555

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 472

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 62

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 493

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 225

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 589

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 310

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 169

视觉推理是在看图,还是依赖语言先验猜答案?

问一张香蕉照片“它是什么颜色”,回答黄色可能来自看图,也可能来自常识。把香蕉换成红色,错误才显露出来;但答错仍可能是没看清颜色、没理解问题,或没有把看到的属性用于回答。**总正确率不能独自区分这些解释。**封面中的红色香蕉只是概念插画,不是论文测试样本。

weixin_44369324的博客 136
上一篇: 从卖工具到卖结果:AI 原生服务公司与 FDE 的商业模式革命
下一篇: 进入真实世界:为什么 AI 的下一阶段属于“判断力”
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ปรัชญา แค้วคำมูล

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值