江凯-Lowcode x AI云凤蝶的思考与实践_opt

总结

一、AI对LowCode行业的冲击

• AI辅助编程快速发展：以清华开源ChatDev、Cursor等为代表，AI辅助编程技术迅速发展。
• 对话式应用生成百花齐放：如marblism的对话式全栈应用生成（React/NodeJS）等技术涌现。
• LLM的本质和能力边界：AI主要通过预测下一个token（概率）实现Text2Code，但其能力有限。
• Text2Code的关键：高质量问答数据集是关键，但数据集的获取和标注成本高昂（如蚂蚁代码大模型开源指令微调数据集6.6万行csv，OpenAI数据标注投入千万美元）。
• LowCode平台升级：LowCode平台可尝试通过Text2DSL模型实现从配置式到对话式的升级，但面临基座模型数据、高质量Text2DSL数据集、标注成本等挑战。

二、业界变化趋势洞察

• 编辑态+AI = 辅助提效：Power Platform、Mendix、Wix等平台通过AI代码生成、代码建议、自然语言生成表单+存储模型、结构化需求生成页面等方式辅助提效。
• 运行时+AI = 新体验：Retool等平台通过AI实现新体验，但具体应用场景需进一步探索。
• 运行时+AI = 新需求：未来GUI和CUI将结合AI，激进派尝试废弃GUI，通过function calling重新对接API，或编写RPA脚本将传统GUI服务变成AI可调用的能力节点。
• 运行时+AI = 新需求：钉钉智能助理、百度超级助理等通过AI实现会议室预定、对接API、自动渲染卡片等功能。

三、云凤蝶产品与技术实践

• 云凤蝶是什么：云凤蝶是一款结合AI的LowCode产品。
• 云凤蝶与AI结合的规划：通过多模态技术根据表单内容智能生成Banner等。
• LLM简要技术大图：展示了LLM的技术架构。
• 一些经验总结：
  • 提示词工程：以意图识别为例，通过优化提示词解决bad case，而非过度依赖微调。
  • 微调数据准备：避免踩坑，如数据集不够、数据质量不高等问题。
  • Multi Agent架构：通过MFTCoder框架提升训练效率，节省运行时意图识别性能开销。
  • 让LLM理解需求：通过突出显示商品信息等方式，使LLM能理解需求而非指令。
  • 解决AI不准确性问题：通过好的产品设计兜底，提供对模型中间推理产物的介入修改能力。
  • 确保可用性持续提升：通过持续优化和迭代提升可用性。

四、总结与展望

• AI改变LowCode行业格局和市场前景：AI将进一步激活LowCode，从需求侧和能力侧都是。
• 未来发展：
  • 通用LowCode平台结合AI：暂无杀手级场景，需寻找垂直业务场景。
  • 垂直业务场景AI零代码免研发：端到端解决方案更有想象空间。
  • LowCode编辑态辅助提效：同时需投入助力生产更智能的应用，以及面向AINative的新形态对话式应用生产，以应对需求侧变化。