无极低代码UI可视化的AIGC落地与实践

无极低代码与AI结合的探索与实践

一、AI与低代码Copilot

核心观点

• 低代码平台结合AI（Copilot）可以显著提升开发效率和易用性。
• AI在低代码平台中的应用面临挑战，如上下文理解、幻觉问题、平台迭代稳定性等。

关键技术

• 平台级Copilot：降低上手难度，提高开发效率。
• 智能化自动纠错：通过代码转AST校验，防止AI“抽风”。
• AI功能的自动化测试：在平台迭代时确保功能稳定。

技术挑战与解决方案

• 上下文理解：使用私有DSL转换为TypeScript类型，减少信息冗余，降低Prompt token消耗。
• 幻觉问题：将代码转回AST进行校验，纠错后开启第二轮会话，提升单轮问答成功率。
• 平台迭代稳定性：使用前端E2E测试和动态生成的prompt，确保模型升级或API调整不影响旧用例。

二、AI与低代码布局

核心观点

• AI与低代码编辑器交互需透明化，避免黑盒操作。
• 通过任务拆分和模块化设计，优化AI生成效率。

关键技术

• AI模仿用户操作编辑器：通过JSBridge操作虚拟DOM和组件API，实现透明化交互。
• 任务拆分与模块化：将复杂任务分配给多个模块依次执行，引入AI管家同步数据。

技术挑战与解决方案

• AI直接生成布局的局限性：通过AI生成指令，逐个执行并允许用户交互，提高灵活性。
• 操作用户界面的问题：结合虚拟DOM和组件API的优点，实现高效稳定的界面操作。
• Token消耗问题：通过任务拆分和模块化设计，避免单次任务Token爆仓。

BI生成

• 数据基于DSL，通过接入数据、生成组件、组件调整实现BI生成。
• 使用字段类型、字段信息、表信息等DSL描述数据结构。

总结

无极低代码通过结合AI技术，实现了平台级Copilot、智能化自动纠错和AI功能自动化测试，有效提升了开发效率和稳定性。在AI与编辑器交互方面，通过任务拆分和模块化设计，优化了AI生成效率，解决了Token消耗和界面操作等问题。未来需进一步探索AI在低代码平台中的更多可能性。