网站建设开发语言,知名wordpress架构网站,品牌网站都有哪些,深圳罗湖企业网站简介#xff1a; 什么是低代码/无代码开发#xff1f;业界对于低代码/无代码开发是否存在其他不同的理解#xff1f;低代码开发和无代码开发之间的区别是什么#xff1f; 作者 | 甄子 来源 | 阿里技术公众号
一 概念
1 什么是低代码/无代码开发#xff1f;业界对于低代码…简介 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低代码开发和无代码开发之间的区别是什么 作者 | 甄子 来源 | 阿里技术公众号
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] 一文提出的人机协同编程的概念划分为低代码/无代码两个阶段。较之第一种我更加认同第二种观点不仅因为是我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《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“人机协同”。协作和协同最大的区别就是心有灵犀。不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、低代码还是无代码都是在用不同的方式描述程序有代码、图形、DSL……等。“人机协作”的阶段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广。“心有灵犀”就是指通过 AI 对描述进行学习和理解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“人机协同编程”应该同属于软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”的全新业务研发模式则属于业务领域。这些概念之间无非左右、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来上层应用层技术变化。没有云计算的容器化、弹性缩扩容做分布式系统是很困难的尤其在 CI/CD、部署、运维、监控、调优……等环节更甚什么南北分布、异地多活、平行扩展、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”为主要实现手段的话AI 是其核心技术。
2 低代码/无代码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、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前编写软件人们通过软件使用计算机的各种功能。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/无代码开发则赋予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。
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 85%、布局还原度 92.1%、布局人工修改概率 75%研发效率提升 68%
uicook
营销活动和大促场景 ui 智能生成比例超过 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
reviewcook
针对资损防控自动化扫描、CV 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合线上 Runtime 的识别和分析自动化发现问题、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 项目全链路、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 Python 专业 LIbraryGoogle Tensorflow.js 团队合作开发维护 TFData library 作为 Datacook 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 Python 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今天操作计算机一样的基本生存技能之一。因此软件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能力交付……
五 展望未来
1 低代码/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“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、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/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和环境所使用既然无法枚举就不能用 Swith……Case 的方式编写代码否则会累死。
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其高
降低使用成本
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。因此围绕 AI 识别、 AI 理解、 AI 表达我们和国内外知名大学展开了广泛的合作。
识别
需求的识别通过 NLP 、知识图谱、图神经网络、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更抽象的维度上找出不同领域之间概念的映射关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层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、通识的理解以常识、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在在构建在理论基础上的理解
表达
个性化借助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纯前端变成前端和 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作日益复杂和强大的硬件设备终能让所有人更加便捷、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
原文链接
本文为阿里云原创内容未经允许不得转载。
