前言
低代码平台的目标用户往往是普通业务人员或产品人员，帮助他们实现将创意和原型直接与真实数据交互，从而加速敏捷创新，显著提高开发效率。通过低代码平台，用户不再需要编写大量复杂的代码，而是通过可视化操作构建应用。
大语言模型（如 ChatGPT、Qwen）虽然已广泛应用于信息查询、内容创作等领域，并且在一定程度上提高了生产力，但它们尚未完全取代技术人员。然而，低代码平台可以作为一种中间层，将编程知识和复杂的业务逻辑封装，以可视化的方式呈现给用户，极大地降低了技术门槛。通过将低代码与AI结合，我们可以进一步简化应用程序开发过程，实现从自然语言到应用的自动化生成。
低代码与大语言模型的结合：探索与潜力
基于之前的文章，我们已经构建了低代码平台，并支持通过拖拽方式形成页面UI和逻辑流，最终实现前后端源码交付（前端：Vue/React，后端：Spring Boot）。大语言模型的快速发展，尤其是阿里的Qwen系列，赋予了我们更多的可能性。如果将大模型能力接入到低代码平台，用户可以通过对话的方式轻松创建、调整业务模块或页面，极大地简化了搭建过程，并提升了用户体验。
我们的低代码平台基于阿里的 LowCode Engine 搭建，符合《低代码引擎物料描述协议》和《低代码引擎搭建协议》。这些协议使用JSON格式的DSL来描述组件、区块和页面。用户通过拖拽组件、编辑页面、配置逻辑流，实际上是在与页面的JSON数据进行交互。低代码平台通过渲染引擎将JSON数据渲染为可视化页面，并通过出码引擎将这些数据转化为对应的ProCode源码。因此，只要大语言模型能够理解用户的输入，并将其转化为符合协议的JSON格式数据，我们就可以实现基于自然语言的页面与应用生成。
初步测试：自然语言生成表单
我们利用阿里Qwen-2.5-coder:7B模型进行测试。虽然尚未挂载知识库或进行微调，仅通过Prompt设计生成JSON，效果已经不错。这是一个简单的测试，基于一台AMD4800H核显的笔记本电脑。通过简单对话生成表单的示例如下：
示例：自然语言生成表单
用户输入：
帮我生成一个表单，表单第一行是姓名输入框，表单第二行是出生日期选择器，第三行是备注文本域，第四行是一个默认大小的圆角提交按钮，按钮内容为提交表单。
生成的JSON描述如下：
json
复制代码
{
"componentName": "ElForm",
"id": "node_ocm2mz16br8",
"props": {
"outlineName": "表单",
"hide-required-asterisk": false,
"show-message": true,
"inline-message": false
},
"children": [
{
"componentName": "ElFormItem",
"props": { "label": "姓名", "label-width": 100 },
"children": [{ "componentName": "ElInput", "props": { "v-model": "this.nameState" } }]
},
{
"componentName": "ElFormItem",
"props": { "label": "出生日期", "label-width": 100 },
"children": [{ "componentName": "ElDatePicker", "props": { "v-model": "this.birthDateState" } }]
},
{
"componentName": "ElFormItem",
"children": [{ "componentName": "ElInputTextArea", "props": { "v-model": "this.notesState" } }]
},
{
"componentName": "ElFormItem",
"children": [{ "componentName": "ElButton", "props": { "type": "primary", "size": "default", "round": true, "label": "提交表单" } }]
}
]
}
这个json在渲染器中渲染结果：
这一过程中，大模型将用户的自然语言需求准确转化为符合《低代码引擎物料描述协议》的JSON格式。
自然语言生成SQL模型
在低代码平台的设计中，除了 UI 驱动的方式，还有一种基于数据模型的驱动模式。这种模式通过数据模型自动生成输入表单、查询表格等 UI 组件，极大地减少了手工开发的负担。在我们的产品中，已经可以做到通过展示 UI 绑定数据模型，实现表单和表格的自动化生成。
那么，能否进一步利用当前成熟的 text-to-SQL 大模型，直接通过自然语言来生成 SQL 模型呢？设想一下，用户只需通过简单的对话或命令，就能够生成相应的 SQL 查询或数据库结构模型，而系统则自动生成 UI 界面，实现数据的查询、展示与交互。这种基于自然语言生成 SQL 模型的方式，可能会彻底改变传统的数据库管理和开发流程。
这种自然语言与 SQL 模型生成的结合，不仅进一步降低了用户的技术门槛，也为低代码平台的未来发展开辟了新方向。随着大语言模型在理解和生成 SQL 语句上的能力不断增强，我们将看到更多基于自然语言驱动的数据库操作和应用开发的可能性。
在这方面，DB-GPT 等专注于数据库领域的大模型或许可以为我们提供解决方案。
低代码+AI结合的潜力
这种结合带来的不仅是技术上的便捷，更是用户体验上的革命性提升。通过低代码平台和大语言模型的合作，未来或许能够实现更加复杂的场景，例如：
- 动态业务逻辑生成：AI能够根据业务需求，自动生成或调整页面的业务逻辑流，并确保逻辑的合理性。
- 多模态生成能力：除了文本，未来的AI或许可以根据用户上传的图片或视频生成对应的页面布局和组件。
- 智能化应用调试：大语言模型不仅能生成页面，还能通过解析错误日志或用户反馈，自动提出优化建议或进行自动修复。
深度思考与未来展望
大语言模型与低代码平台的结合还处于起步阶段，但未来充满潜力。无论是提高开发效率，还是通过自然语言交互让非技术人员也能参与应用开发，低代码+AI的趋势不可忽视。未来我们将继续探索如何将大语言模型更深入地集成到平台中，进一步简化应用开发的过程，并引入智能化调试、自动化部署等高级功能，真正实现“所说即所得”的开发体验。
