最近 AIGC 很火，在各個領(lǐng)域都玩出了一些新花樣。

比如在“低代碼”領(lǐng)域，可以通過 AI 自動生成一個網(wǎng)站門戶。

相信大家或多或少都有類似的疑慮，今天織信就帶著大家一起把這些統(tǒng)統(tǒng)都弄明白。

自 出來后，織信團隊便率先接入了 AI 技術(shù)，希望通過 AI 進一步提升低代碼的開發(fā)效率。

織信低代碼作為一款面向企業(yè)的低代碼開發(fā)工具，初衷就是要解決企業(yè)內(nèi)部管理應(yīng)用的開發(fā)效率問題，而 （下文簡稱 AI）的能力讓我們看到了一種新的開發(fā)方式，能否通過人與 AI 對話的方式來完成業(yè)務(wù)管理應(yīng)用的開發(fā)？考慮到 AI 的不確定性，要怎樣接入 AI 才能達到更好的提效？

基于這些問題，織信團隊探索了一年多的時間，目前已有了些階段性的進展。

下文將按照 “接入 AI 之前” ? “局部接入 AI” ? “全場景接入 AI” 的方向，介紹織信低代碼逐層接入 AI 的過程。

一、接入 AI 之前，織信搭建應(yīng)用的方法

在低代碼平臺上開發(fā)應(yīng)用，常規(guī)的方式是先拖拽組件，然后再數(shù)據(jù)綁定。而織信低代碼則提供另一種開發(fā)思路，先建立數(shù)據(jù)模型。這種“磨刀不誤砍柴工”的保守思想在開發(fā)系統(tǒng)中顯得尤為關(guān)鍵。

在接入 AI 之前，織信在開發(fā)應(yīng)用前還需要先以表格的形式制作一份模塊清單，然后批量導(dǎo)入數(shù)據(jù)并構(gòu)建功能模塊。這一前期工作的巧妙處理，為后續(xù)的開發(fā)奠定了堅實基礎(chǔ)。

二、局部接入 AI 后，織信功能的實踐探索

2023 年初，自 AI 技術(shù)逐步成熟并推向市場后，織信平臺開始進行局部的 AI 接入實踐。

場景一：智能建模

首先嘗試的就是構(gòu)建數(shù)據(jù)模型。原先以表格形式去構(gòu)建一份數(shù)據(jù)模塊清單的工作，現(xiàn)在都可以交給 AI 去做。下面我們來看看實踐效果。

【不好意思，圖片太大...】

基于 AI 強大的自然語言理解能力，快速生成專業(yè)科學(xué)的數(shù)據(jù)表業(yè)務(wù)模型，輔助開發(fā)人員實現(xiàn)模型快速構(gòu)建。

場景二：邏輯定制

雖說織信提供了現(xiàn)成的一整套圖形化編程環(huán)境，但有些頁面邏輯的實現(xiàn)，仍需要使用者具備一定的編程邏輯，來編寫少量的代碼來實現(xiàn)相關(guān)功能，這種構(gòu)建方式雖然代碼規(guī)模很少，技術(shù)要求也不高，但難點在于要學(xué)習(xí)織信的產(chǎn)品文檔。

而如果把這塊的業(yè)務(wù)邏輯需求交給 AI 來做，會怎么樣呢？

【不好意思，圖片太大...】

AI 聯(lián)動織信【自動化】引擎，通過語料命令直接完成業(yè)務(wù)邏輯的智能化構(gòu)建，大幅降低復(fù)雜業(yè)務(wù)場景的開發(fā)門檻。

場景三：AI 繪圖

上面兩個場景中，通過 AI 輔助可以降低低代碼平臺的使用門檻和開發(fā)效率，但還不夠。織信在前期進行 AI 局部測試后，織信團隊還衍生了一個其他低代碼產(chǎn)品所有沒有的功能，那就是 AI 繪圖。并且在這塊，我們也進一步進行了多種示例的嘗試。

比如：電商主圖快速設(shè)計

通過假人模特拍照后，使用 AI 功能進行人的替換。（最終效果圖如下）

此外，我們還通過 AI 訓(xùn)練，對 AI 模特的姿勢、角度、背景進行了多輪測試，效果都很贊。

通過使用 姿態(tài)控制，就可以讓 AI 生成不同姿勢的效果：

還有很多其他的業(yè)務(wù)場景，比如：海報設(shè)計、產(chǎn)品設(shè)計、與業(yè)務(wù)場景深度結(jié)合等等。這塊此前已做過分享，這里就不過多贅述。具體可查找文章“織信低代碼再放大招！集成 實現(xiàn)“AI 繪圖+信息化系統(tǒng)”深度整合”查看。

三、全場景接入 AI 后，部分場景下的超實用功能！

目前織信在各類場景都引入了 AI 功能，其中最實用的功能主要體現(xiàn)在前端頁面構(gòu)建方面。比如：

AI 秒級智能建站：

AI 圖片識別：

還有很多，但圖片都是 5M 以上，上傳不了，所以這里就先這樣，具體可以去官網(wǎng)查詢。

有人曾說“萬物皆可 AI”，但我只想說“AI 還不是唯一”。

根據(jù)前面的場景案例，AI 無論是后臺業(yè)務(wù)邏輯方面，還是前端應(yīng)用設(shè)計方面，都有不錯的表現(xiàn)力，低代碼將 AI 技術(shù)無縫融入到開發(fā)環(huán)境中，可以顯著提升使用者整體的開發(fā)效率與創(chuàng)新能力。

但是就現(xiàn)階段而言，AI 也不一定是最高效的方法，這主要歸結(jié)于兩個方面的因素決定：

（1）使用場景

對于一個非常具體的小場景，比如在數(shù)據(jù)建模環(huán)節(jié)“根據(jù)現(xiàn)有的“用戶數(shù)據(jù)表”生成一個列表”，因為“用戶數(shù)據(jù)表”的數(shù)據(jù)結(jié)構(gòu)已經(jīng)完全固定，低代碼平臺有很多方案可以實現(xiàn)一鍵生成它對應(yīng)的列表組件，這時候使用 AI 反而會更雞肋；但是如果需求換成 “根據(jù)“用戶數(shù)據(jù)表”統(tǒng)計用戶的來源占比”，這時候需要一定的思念成本，低代碼無法自動化，這時候引入 AI 來理解自然語言、并生成 SQL，就能吊打低代碼；

再比如“把數(shù)據(jù)表模塊中的表單項標(biāo)簽，由 name 改成 '名稱'”，讓 AI 來處理，它會先尋找表單項、獲取表單項的信息、最后才是設(shè)置標(biāo)簽值，但是對于一個稍微熟悉低代碼的開發(fā)者來說，單擊一下配置框直接輸入“名稱”兩字就完事了，這樣跟 AI 對比，人工操作更快更準(zhǔn)。但是如果重復(fù)的操作量增大，比如“把整個表單的所有標(biāo)簽都翻譯成中文”，這時候讓 AI 來循環(huán)操作就非常合適。

所以，適合 AI 的場景：具備一定的“思考成本”或者“操作體量大”。

（2）AI 的成熟度

幻覺問題是大預(yù)言模型的致命問題，我們可以通過 “提示詞工程” 逐步優(yōu)化 AI，使它的回復(fù)更符合預(yù)期。但是無法避免的是某些場景下它會“抽風(fēng)”，讓我們的“苦苦等待”得到了錯誤的答復(fù)，如此重復(fù)的輸入指令并驗證 AI 的返回也會帶來更大的時間成本。

所以，AI 的輸出不一定是 100%準(zhǔn)確，在未來很長一段時間，AI 和人工是共存的。一方面，我們可以先人工再 AI，使用織信的“組件設(shè)計器”，快速生成 APP 或網(wǎng)站，然后配合 AI 完成細(xì)節(jié)調(diào)整；另一方面，我們也可以先 AI 再人工，用 AI 快速生成一個可用的 Demo，然后再通過低代碼的可視化配置能力進行修正。

最后，織信低代碼的 AI 之路會繼續(xù)走下去，目標(biāo)不僅僅是借助 AI 來提效，更是要讓 AI 成為織信低代碼構(gòu)建程序應(yīng)用環(huán)節(jié)的一個實用工具；將低代碼和 AI 融合一體，相輔相成，共同推動企業(yè)的效率革命。