从前端智能化看“低代码/无代码”

一 概念

1 什么是低代码/无代码开发？业界对于低代码/无代码开发是否存在其他不同的理解？

行业里流行观点，低代码是更加易用的搭建系统，无代码是图形化和可视化编程。这种观点把低代码和无代码开发分别置于 UI 和逻辑两个环节，以工具属性定义搭建和可视化编程要解决的问题。另一种观点则{ = D I k 7是把低代码/无代码看作一个方法的两个阶段，就像对自动驾驶的 L0 ~ L5 共 6 个不同阶段一样，把我之前在《人机协同的编程方式》[1] 一文提出的人机协\ _ l Z同编程的概念，划分为低代码/无代码两个阶段。较之第R ` X \ 6 c /一种我更加认同第二种观点，不仅因为是我% Z I 3 } ~ 9提出的，更因为第二种观点是以软件工程的统一视角定义、分f . e Y析和解决问题，而第一种观点只是局部和过程的优化而非颠覆性创新。

今天“人机协同的编程方式”把软件工程从拼装 UI 和编写业务逻辑里解放出来，逐步向业务能力、基础能力、底层能力等高技术含量工作过渡。更多内容参考F f ( a x –《前端智能化：思维转变之路》[2]。

2 低代码开发和无代码开发之间的区别是什么？

接着上述所答，} 0 I既然低代码和无代码属于“人机协同编程”的两个阶段，低代码就是阶段一、无代码则是阶段二，分别对应“人机协作”和^ N & O o“人机协同”。协作和协同最大的区别就Y N ( / ` h Z是：心有灵犀。不S | f k { {论低代码还是无代码，均有服务的对象：用户。不论用户是程序员还是非编程人员，均有统一目标：生成代码。不论源码开发、低代码r A n & @还是无代码，都是在用不同的方式描述程序，有代码、图形\ z D、DSL……等。“人机协作”的阶段，C Z h |这些描述有各种限制、约束，应用的业务场景亦狭窄。“人机协同”的阶段，则限制、约束减少，应用的业务场景亦宽w 5 b U b –广。“心有灵犀”就是指：& o K ! # # E通过 AI 对描述进行学习和理解5 g =，从而减少限制和约束，适应更多业务场景。因此，传统低代码/无代码和“人机协同编程”生成代码相比，最大的不同就是有心和无心，机器有心而平台无心。

二 背景

1 低代码/无代码开发与软件工程领域的一些经典思想、方法和技术，– 7 \例如软件复用与构件组装、软件产品线、DSL（领域特定语言）、可视化快速开发工具、可定制工作流，以及此前业界流行的中台等概念，之间是什么关系？

从库、框架、脚手架开始，软件工程就踏上了追求效率的{ w T W道路。在这个道路之上，低代码、无代码的开发方式算是宏愿。复用、组件化和模块化、DSL、可视化、流程编排……都是在达成宏愿过程中的尝试，要么在不同环节、要么以不同方式，但都还在软件工程领域内思考。中台概念更多是在业务视角下提出的，软件工程和技术领& r – f \域内类似的概念更多是叫：平台。不论中台还是平台，就不仅是在过程中的尝试，而是整体和系统的创新尝试。我提出前端智能化的“人机协同编h } N程”应该同属于软6 H E s件工程和技术领域，在类似中台的业务领域我提出“需求暨生产”的` C ) a c A P全新业务研发模式，则属于业务领域。这些概念之间无q _ z U s ) 2 g非：左右、上下、新旧关系而已。

2 此外，低代码/无代码开发与DevOps、云计算与云原生? y q u : ( : \ %架构之间又是什么样的关系？

DevOps、云计算……都属于基础技术，基础技术的变化势必带b 2 * T G 3 E L来上层应用层技术r 1 x变化。没有云计算5 G 9 O x S %的容器化、弹性缩扩容，做分布式系统是很困难的，尤其在 CI/CD、) ) @ A ^ 9部署、运维、监控、调优……等环节更甚，什么南北g ( k D i | k n分布、异地多活、平行扩+ h o F展、高可用……都需要去关注。但是，云计算和DevOps等基础技术的发展，内化并自动化解决了上述问题，大大降低了关注和使用成本，这就是心有灵犀，在这样的基础技术之上构建应用! ` ) $ k % x b层技术，限制少、约束小还能适应各种复杂场景。

三 思想方法

1 支撑低代码/无代码开发的核心技术是什么？

我认为低代码/无代码开发的核心技术，过去是“复用”，今天是 AI 驱动的“人机协同编程”。过去的低代码/无代码开发多围绕着提升研发效能入手，今天 AI 驱动的“人机协同编程”则是围绕着提升交付效率入手。因此，低代码/无代码开发以“人机协同编程”为L Z E 5 O \ A D主要实现手段的话，AI 是其核心技术。

2 低代码/无代码R & u T L开发的火热是软件开发技术上的重要变革和突破，还是经典软件工程思想、. T f方法和技术随着技术和业务积累的不断发展而焕发出的新生机？

计算机最初只在少数人掌握，如今，几乎人人手持一台微型计算机：智慧手机。当初为程序员和所谓“技术人员”的专利，而今，几乎人人都会操作和使用计算机。然而，人们对计算机的操作是间接的，需要有专业的人士和企业提7 8 t J X { x \前编写软/ z w D Z件，人们通过软件使用计算机的各0 ( @ T种功能。随着计算机算力和功能的不断发展，随着社会的数字化和信息化，今天的人们越来越难以被提前定制好的软件所满足。低代码/无代码开发则z @ ( C 4赋予G , 0 N / 8 ? 1人们创造软件的能力，进而帮助人们低成本、即时、高效的直接生产符合自己u \ c Y w o 5需求的软件，进而操作众多复杂的电子设备和数字世界建立联结。我F 0 0 n A N认为，这是不V . F 4可逆的趋势，也是低代码/无代码开发的大方向。

四 现状进展

1 低代码/无代码开发已经发展到什么程度？

imgcook

2w 多用户、6w 多模块、 0 前端参与研发的双十一等大促营销活动、70% 阿里前端在使用79.26% 无人工) F P – , C D参与的线上代码可用率、90.9% 的还原度、Icon 识别准确率 83%、组件识别 8J E { F – z5%、布局还原度 92.1%、布局人工修改概率 75%研发效率提升 68%

uicook

营销活动和大促场b Y i + P ` 2 e `景 ui 智能生成比例超? 1 `过 90%日常频道导购业务 ui 智能生成覆盖核心业务纯 ui 智能化和个性化带来的业务价值提升超过 8%

bizcook

初步完成基于 NLP 的需求标注和理解系统初步完成基于 NLP 的服务注册和理解系统初步完成基于 NLP 的胶水层业务逻辑代码生成能力

reviewc} S 8 % /ook

针对资损防控自动化扫描、C_ c ^ N p yV 和 AI 自动化识别资损风险和舆情问题和测试同学共建的 UI 自动化测试、数据渲染和 Mock 驱动的业务自动化验证和工程团队共建的 AI Codereview 基于对代码的分析和理解，结9 U $合线上 RuX % Jntime 的识别和分析，自动化发现问题s b M X X F J g 9、定位问题，提升 Codereview 的效率和质量

datacook

社区化运营开源项目，合并 Denfo.js 同其作者共同设立 Datacook 项目，6 S { a j U w全链路、0 , S { : & q端到端解决 AI 领域数据采集、存储、处理问题，尤其在海量数据、数据集组织、数据质量评估等深度学习和机器学习领域的能力比肩 HDF5、Pandas……等– 5 ^ ? Python 专业 LIbraryGoogle Tenso4 9 ) t l 5 v l (rflow.js 团队合作开发维P ) A = r = 9 $护 TFData library ，作为 DataC 4 kcook 的核心技术和基础，共同构建数据集生态和数据集易用性

pipcook

开源了 pipcook[3] 纯前端机器学习框架利用 Boa 打通 Pyv $ fthon 技术生态，原生支持 import Python 流行的包和库，原生支持 Python 的数据类型和数据结构，方便跨语言共享数据和调用 API利用 Pipcook Cloud 打通流行的云计算平台，帮助前端智能化实现 CDML，形成数据和算法工程闭环，帮助开发者打造工业级可用的服务和在线、离线算法能力

2 有哪些成熟的低代码/无代码开发平台？

3 低代码/无代码开发能够在多大程度上改变当前的软件开发方式？

随着计算机算力和功能的不断发展，随着社会的数字化和信息化，今天的人们越来越难以被提前定制好的软件所满足。低代码/无代码开发则赋予人们创造软w p : a Z *件的能力，进而帮助人们低成本、即时、高效的直接生产符合自己需求的软件，进而操作众多复杂的电子设备和数字世界建立联结。我认为，这是不可逆的趋势，也是低代码/无代码开发的大方向。最终，软件开发势必从专业程序员手里转向普罗大众，成为P C P n ,今天操作计算机一样的基本生存技能之一。因此，软件s Y G U ~ z B开发方式将带来本质变化，从完整的交付转向局部交付、从业务整体交付转向业务R t C l 3 t能力交付……

五 展望未来

1 低代码/+ W w无代码开发未来发展的方向是什么？

要我说，低代码/无代码开发未来发展的方向一定是：AI 驱动的z v % . 1 ?“人机协同编程”，将完整开发一个软件变成提供局部的软件功能，类似 Apple 的“捷径”一样，由用户决定这些局_ : e , n .部软件功能如何组装成适合用户的软件并交付最终用户。AI 驱动提供两个方面的价值：

降低开发成本

以往开发软件的时候，要有 PRD、c F ` 2 ~ \ 1 i p交互稿、设计稿、设计文档……等一系列需求规格说明，然后，根据这些需求规格利用技术和工程手段进行实现。然而，低代码d , M 2/无代码开发交付的是局部功能和半成品，会被无法枚举的目的I Z 8 c +和环境所使用，既然无法枚举，就不能用 Swith……Case 的方式编\ . \ Y n O [写代码，否则会累死。

AI 的特点就是基于特征和环境进行预测，预测的基础是对模式和本质的理解。就像 AI 识别一只猫，不管这个猫在什么环A $ U * 8境、什么光照条件下，也不管这只猫是什么品种，AI 都能够以超过人类的准确度识别。试想，作为一个程序员用程序判断一只猫的开发成本何i 3 8其高？

降低使用成7 ( n g本

今天的搭建体系，本质上是把编程过程用搭建的思想重构了一遍，工作的内容并没有发生变化，成本从程序员转嫁到运营、产品、设计师的身上。这还是其次，今天的搭建平台都是技术视角出发，充斥着运营、产品、设计等非技术人员一脸懵逼的概念，花在答疑解惑和教他们如何在页面上定制一个搜索框的时间，比自己和他们沟通后源码实现的时间还要长，而且经常在撸代码的时候被# B r r ( 0 ^ x打断……

基于 AI 的“人机协同编程”不需要透出任何技术概念，运营、产品、设计……等非技术人员也不改变其工作习惯，都用自己熟悉的e 3 j # @工具和自己熟悉的概念描述自己的需求，AI 负责对这些需求进行识别和理解，再转换成编程和技术工程领域的概念，进而生成代码并交付，从而大幅度降低使用成本。

举个例子：如果你英文写作能力不好，你拿着朗道词典一边翻译一边拼凑单词写出来的英文文章质量高呢？还是用中文把文章写好，再使用 Google 翻译整篇转换成英文的文章质量高？你自己试c Q ~ l 6 I试就知道了。究其原因，你在自己熟悉的语言和概念领域内，才能够把自己T } s p的意思表达清楚。

2 围绕低代码/无代码开发存在哪些技术难题需要学术界和工业界共同探索？

最初在 D2 上提出并分享“前端智能化”这个概念的时候，我就提出：识别、理解、表达 这个核心过程。我始终认为，达成 AI 驱动的“人机协同编程”关键路径就是：识别、理解、表达。因此，T . L _ B /围绕 AI 识别、 AI 理解、 AI 表达我们和国内外知名l = 4 X , K ( K F大学展开了广泛的合作。

识别

需求的识别：通过 NL{ { : W [ aP 、知识图谱、图P 5 p A W W神经网络、结构化机器学习……等 AI 技术，识别用户需求、产品需求、设计需求、运营需求、营销需求、研发需求、工程需求……等，识别出其中的概念和概念之间的关系设计稿的识别：通过 CV、GAN、对象识别、语义分割……等 AI 技术，识别设计稿中的元素、元素之间的关系、设计语言、设计系统、设计意图UI 的B – X U 1 j识别：通过用户用脚投票的结果进行回归，后验的分析识别出 UI 对用户行为的影响程度、影响效果、影响频率、影响时间……等，并识别出 UI 的可变性和这些用户行为影响之间的关系计算机程序的识别：通过对代码、AST ……等 Raw Data 分析，借助 NLP 技术识别计算机程序中，语言的表达能力、语言的结构、语言中的逻辑、语言和外部系统通过 API 的交互等日志和数据的识别：通过对日志和数据进行 NLP、回归、统计分析等方式，识别出程序的可用性、性能、易用性等指标情况，并识( D { x & j别出影响这些指标的日志和数据出自哪里，找出其间的关系

理解

横向跨领域的理解：对识别出的概念进行降维，从而在底层A B z \ y ; 9 u O更抽象的维度上找出不同领域之间概念的映射关: a 8 k系，从而实现用不同领域的概念进行类比，进而在某领域内理解其它领域的概念纵向跨层次的理解：利用机器学习和深度学习的 AI 算法能力，放宽不同层次间概念的组成关系，对低层次概念实现跨? w Z Z r层R $ q ?次的理解，进而形成更加丰富的技术、业务能力供给和使用机会常识、通识的理解* | 7 [ 8：以常4 e r 0 9 } &识、通识构建的知识图谱为基础，将 AI 所面对的开放性问题领! 1 ( E \域化，将领域内的常识和通识当做理解的基础，不是臆测和猜想，而是实实f s p 1 t J V f在在构建在理论基础上的理解

表达

个性化：借助! U 8 f } % O ` w大数据和算法实现用户和软件功能间的匹配，利用 AI 的生成能力降低千人前面的研发成本，从而真正实现个性化的软件服务能力，把软件即服务推向极致共情：利用端1 v , * K `智能在用户侧部署算法模型，既可以解决用户隐私保护的问题，又可以对用户不断变化的情绪、诉求、场景及时学习并及时做出响应，从而让软件从程序功能的角度急用户之所急、想用户之所想，与用户共情、让用户共鸣。举个例子：我用 iPhone 在进入地铁站的时候，因为现在要检查健康码，每次进入地铁站 iOS 都会给我推荐支付宝快捷方式，我不用自己去寻找支付宝打开展示健康码，这就让我感觉 iOS 很智能、很贴心，这就是共情。

六 后记

从提出前端智能化这个概念到现在已历三年，最初，保持着“让前端[ Z m U跟上 AI 发展的浪潮”的初心上路，到“解决一线研发问题”发布[4]，再到“给前端靠谱的机器学习框架”开源[3] ，这一路走来，几乎日日夜不能寐。真正想从本质上颠覆现在的编程模式和研发模式谈何容易？这个过程中，我们从一群A | ~ h S a { s 0纯前端变成前H [ Z端和 AI 的跨界程序员，开发方式从写代码到机器生成，周围的人从作壁上观到积极参z a ~ P _与，正所谓：念念不忘，必有回响。低代码/无代码开发方兴未艾，广大技术、科研人员在这个方向上厉兵秣马，没有哪个方法是 Silverbullet ，也没有哪y u M R ` j S个理论是绝对正确的，只要找到你心中所爱，坚持研究和实践，终会让所有人都能够自定义软件来操S R ) T 5 d作日益复杂和强大的硬件设备，终能让所有人6 I ; \ m \ N更加便捷、直接、有效的接入数字世界，终于在本质上将软件开发和软件工程领域重新定义！共勉！

2512141116@qq.com普通

打赏 收藏 海报 链接