最近 AIGC 很火，在各個領域都玩出了一些新花樣。

比如在“低代碼”領域，可以通過 AI 自動生成一個網站門戶。

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統都弄明白。

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

織信低代碼作為一款面向企業的低代碼開發工具，初衷就是要解決企業內部管理應用的開發效率問題，而 （下文簡稱 AI）的能力讓我們看到了一種新的開發方式，能否通過人與 AI 對話的方式來完成業務管理應用的開發？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，織信搭建應用的方法

在低代碼平臺上開發應用，常規的方式是先拖拽組件，然后再數據綁定。而織信低代碼則提供另一種開發思路，先建立數據模型。這種“磨刀不誤砍柴工”的保守思想在開發系統中顯得尤為關鍵。

在接入 AI 之前，織信在開發應用前還需要先以表格的形式制作一份模塊清單，然后批量導入數據并構建功能模塊。這一前期工作的巧妙處理，為后續的開發奠定了堅實基礎。

二、局部接入 AI 后，織信功能的實踐探索

2023 年初，自 AI 技術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

首先嘗試的就是構建數據模型。原先以表格形式去構建一份數據模塊清單的工作，現在都可以交給 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，快速生成專業科學的數據表業務模型，輔助開發人員實現模型快速構建。

場景二：邏輯定制

雖說織信提供了現成的一整套圖形化編程環境，但有些頁面邏輯的實現，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相關功能，這種構建方式雖然代碼規模很少，技術要求也不高，但難點在于要學習織信的產品文檔。

而如果把這塊的業務邏輯需求交給 AI 來做，會怎么樣呢？

【不好意思，圖片太大...】

AI 聯動織信【自動化】引擎，通過語料命令直接完成業務邏輯的智能化構建，大幅降低復雜業務場景的開發門檻。

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 姿態控制，就可以讓 AI 生成不同姿勢的效果：

還有很多其他的業務場景，比如：海報設計、產品設計、與業務場景深度結合等等。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“AI 繪圖+信息化系統”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在前端頁面構建方面。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，具體可以去官網查詢。

有人曾說“萬物皆可 AI”，但我只想說“AI 還不是唯一”。

根據前面的場景案例，AI 無論是后臺業務邏輯方面，還是前端應用設計方面，都有不錯的表現力，低代碼將 AI 技術無縫融入到開發環境中，可以顯著提升使用者整體的開發效率與創新能力。

但是就現階段而言，AI 也不一定是最高效的方法，這主要歸結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，比如在數據建模環節“根據現有的“用戶數據表”生成一個列表”，因為“用戶數據表”的數據結構已經完全固定，低代碼平臺有很多方案可以實現一鍵生成它對應的列表組件，這時候使用 AI 反而會更雞肋；但是如果需求換成 “根據“用戶數據表”統計用戶的來源占比”，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“把數據表模塊中的表單項標簽，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、最后才是設置標簽值，但是對于一個稍微熟悉低代碼的開發者來說，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。但是如果重復的操作量增大，比如“把整個表單的所有標簽都翻譯成中文”，這時候讓 AI 來循環操作就非常合適。

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

幻覺問題是大預言模型的致命問題，我們可以通過 “提示詞工程” 逐步優化 AI，使它的回復更符合預期。但是無法避免的是某些場景下它會“抽風”，讓我們的“苦苦等待”得到了錯誤的答復，如此重復的輸入指令并驗證 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“組件設計器”，快速生成 APP 或網站，然后配合 AI 完成細節調整；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 之路會繼續走下去，目標不僅僅是借助 AI 來提效，更是要讓 AI 成為織信低代碼構建程序應用環節的一個實用工具；將低代碼和 AI 融合一體，相輔相成，共同推動企業的效率革命。