版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
深度融合AI的低代码平台低代码的核心概念逻辑编排构建业务逻辑读写(通过可视化、组件化、模板化等形式降门槛和提效)逻辑编排构建业务逻辑构建用户界面流程编排构建企业流程流程编排构建企业流程接口编排构建接口服务可视化编辑器(领域特定,结构化)编译器/解释器编译器/解释器逻辑编排构建交互行为逻辑编排构建交互行为生成、解释执行生成、解释执行传统编程语言和框架传统编程语言和框架模型编排模型编排构建数据模型低代码本身的问题解决方案2:AI在编程领域的现状传统编程领域:传统编程领域:AIGC产业赛道火热,AI编程工具已经成为行业的重要发展方向多模态技术为主编程辅助工具多模态技术为主擅长解决局部场景问题重新定义IDE智能体编程重新定义IDE目前距离国内客户落地还有一段距离低代码编程领域:国内低代码低代码编程领域:国内低代码+AI的产品相对较少,大部分还在实践探索以AI推荐、AI架构分析能力为主的行业低代码独角兽(OutSystems、Mendix)传统编程+AI会取代低代码吗大模型的优势是解决非确定性问题,低代码解决的是确定性问题,两者并不完全排斥低代码是基于传统软件工程思想,专家从传统编程语言和框架抽象出更少量的确定性的上层概念,大量利用生成式复用和组装式复用的方式,达到提效而大模型是通过大量的文本和代码数据训练一个黑盒的神经网络模型来实现代码生成,它具有非确定性,提供了像人一样创造力。传统编程大模型生成的代码始终是面向专业开发者的,只能提效,无法跨越式降低门槛(如编程辅助工具和智能IDE)软件开发不是一个一次性的过程。软件迭代和维护需要继续补充和修改,AI生成的代码有时也存在问题。使用AI工具的人需要基本懂AI生成的这门语言和框架,至少要有判断力。而低代码通过DSL设计减少概念减少学习成本,通过可视化设计提供所见即所得的能力,从而降低了使用者的门槛。自然语言具有模糊性。并不能精确描述最终需求的所有细节(全自动智能体有这个问题)自然语言是人类沟通的媒介,他的特点就是模糊性,而计算机语言才是程序精确运行的必要条件。传统编程大模型擅长解决局部问题,但对全栈和项目整体的把握能力差,无法感知隐形的开发规范、架构设计和领域知识应用开发需要面临多种领域语言、框架衔接的问题,也要面临了解团队规范、架构设计和领域知识的问题。而低代码利用DSL,封装了底层的开发规范和架构设计,向上提供了统一的开发基座和最佳实践。低代码平台天然实现和集成了一系列成熟的软件开发设施比如应用管理、资产管理、集成能力、运维能力等。而传统编程工具特别是智能IDE,面临与各种企业和团队的技术体系对接,要想发挥出更大的效果还有一段路要走。依赖库管理连接器管理应用/局部模板管理CodeWave的技术架构与AI结合的思路依赖库管理连接器管理应用/局部模板管理AI服务 自然语言生成代码补全D2C代码解读代码分析…资产中心页面设计器增删改查撤销重做复制粘贴逻辑设计器数据定义设计器数据查询设计器流程设计器可视化设计器t!导入导出资产中心页面设计器增删改查撤销重做复制粘贴逻辑设计器数据定义设计器数据查询设计器流程设计器可视化设计器LanguageServer静态补全静态补全类型检查类型检查查找引用查找引用批量重命名批量重命名实时编辑实时编辑发布/导出源码/镜像基础语言 生成器生成器备份还原分支管理多人协作代码升级全栈统一的DSL备份还原分支管理多人协作代码升级全栈统一的DSL收敛技术栈成熟的IDE底座和周边设施JS源码代码仓库Java源码 静态资源/镜像部署企业运维体系代码仓库Java源码 静态资源/镜像部署企业运维体系应用管理多租户管理多环境管理集成信息管理平台服务应用管理多租户管理多环境管理集成信息管理运维管理运维管理多智能体协同、多阶段灵活组装的智能体编程9解决自然语言的模糊性问题-多智能体协同的AI生成架构工程+AI多阶段的生成提升健壮性和正确率以自然语言生成可视化逻辑为例:由于自然语言的模糊性,大部分问题的粒度比较粗需求澄清→代码生成恰当上下文和few-shot用户需求+代码生成所必需的上下文+CodeWaveDSL规范时,模型一次生成的效果并不理想见错误以及不符合规范的内容做代码优化代码优化时可能会发生注意力偏移、优化不完整、一次生成效果已经可以不需要二次优化等问题增加规则检测:针对代码生成阶段的时,拼接对应的few-shot和成本又提高优化效果进一步进一步SaaS和私有化AI服务的架构统一保证SaaS和私有化的AI功能,通过一套架构方便维护,同时也可以尽可能地复用各种模型优化策略,提升整体的可用性。数据驱动的低代码语言模型训练解决自然语言的模糊性问题-多智能体协同的AI生成架构刚上线后用户体验感觉效果不佳,我们只有一个采纳率的指标,不知道是模型问题、工程问题还是交互问题,不知道该往哪些方向优化。自然语言生成代码的产品形态太单一自然语言生成代码能够有效降低使用门槛,对于新用户和对某些新功能不熟悉的用户上手比较友好,但是对于日常开发的老用户来说提效不明显对低代码+AI的正确率等训练效果难以度量在AI技术日新月异和产品的快速迭代过程中,提示工程、模型训练、模型切换经常会发生,低代码+AI的效果缺乏一个统一的评测标准,行业内也没有类似的标准。二是会导致交付困难。很多项目客户会问我们,你们低代码AI怎么样才能给我们验收?低代码+AI对用户的提效等实际价值难以度量客户除了关心具体效果,也会思考低代码+AI能够带来的价值。之前每当客户问,低代码+AI到底提升了我们多少效率?我们难以应答。●修炼NASL大模型内功,提升高频场景的正确率●增加更多提效AI功能:如代码补全等●建立统一的低代码Benchmark(面向技术线下训练,评测AI的基础能力)●建立低代码AI的指标体系和量化标准(面向产品线上观测,评测AI的服务价值)Ifyoucan’tmeasureit,youcan’timproveit–建立低代码AI功能Benchmark体系NL2页面逻辑NL2服务端逻辑NL2页面逻辑NL2服务端逻辑NL2UICodeWavebenchmark=生成合理且能运行通过的样本数/总样本数页面逻辑服务端逻辑逻辑汇总正确率(早期)45.8%正确率(语言和工程优化后)91.2%评判语言能力-以HumanEval为切入点通过率(正确率)pass@1=一次生成编译和运行都通过的样本数/总样本数通过率/gpt4o-ts通过率工程修复+补充语言能力后70.01%基于基座模型进行微调80.07%语言能力补齐和模型训练还在继续推进,有上升空间Cove=生成成功且给用户展示出来的次数/AI功能触发次数=AI生成的代码在某段时间后还剩余的比例(NASLCove=生成成功且给用户展示出来的次数/AI功能触发次数=AI生成的代码在某段时间后还剩余的比例(NASL根据语法树节点单元数综合计算)=AI生成的节点单元数/总的应用节点单元数注意:要满足不等式E>0(对用户有提效),可以推导出两个结论:•X>A/M,即采纳率(线下用正确率估算)的阈值。如果X不满足这个条件,AI功能就没有手工编程提效,甚至比手工编程效率还低。该公式很适合用于产品线下评测模型上对用户的价值。展示率综合采纳率留存率@1分钟自然语言生成逻辑(早期)91.11%64.04%自然语言生成逻辑(语言和工程优化后)98.65%92.63%①①①①AI生成代码且用户确认的时长(正常采纳时长,A)=用户思考自然语言的时长+AI生成时长+用户确认时长=用户设计和编写代码的时长①①=AI生成代码且用户确认的时长+纯手工开发时长=采纳次数/AI功能触发次数*(留存率@1分钟)(用户采纳后,可能还有部分修改的情况,引入留存率来综合统计)AI功能对用户的平均耗时(T)=正常采纳时长*综合采纳率+用户返工时长*(1-综合采纳率)=(纯手工开发时长-AI功能对用户的平均耗时)/纯手工开发时长①①微调自己的低代码语言模型模型:基座模型评判微调自己的低代码语言模型-微调过程令生成对应的NASL代码,以构造用于训练的数据对;设计了案合成,利用gpt4o等高性能模型生成代码,循环使用NASL过滤模块:总结分析模型评测过程中发现的问题,定位到训练集中的错误数据样本,设计使用规则对其快速过滤,提升训练集质量。组装模块:同时根据实际使用的场景,对已有数据进行重新SFT过程,使用初始构造的数据集训练得到初始模型,再基于训练后的模型做拒绝采样,利用指令构造指令构造语言运行沙箱语言运行沙箱答案合成答案合成数据后处理数据后处理监督微调监督微调偏好对齐偏好对齐热切换服务部署AI交互输入各类设计器CodeWaveIDENASL存储操作栈存储时间栈存储NASL代码仓库应用上下文AI网关智能代码生成智能代码解读设计稿转页面截图转页面智能代码分析CodeWave平台AI服务智能编程助手指标统计批跑测试数据回流模型的线上切换与灾备AI工程化平台支撑评测体系-加速AI产品功能迭代热切换服务部署AI交互输入各类设计器CodeWaveIDENASL存储操作栈存储时间栈存储NASL代码仓库应用上下文AI网关智能代码生成智能代码解读设计稿转页面截图转页面智能代码分析CodeWave平台AI服务智能编程助手指标统计批跑测试数据回流模型的线上切换与灾备AI网关配置模块模型切换模型配置灾备监控Benchmark模块单元测试批跑测试业务AI网关配置模块模型切换模型配置灾备监控Benchmark模块单元测试批跑测试业务benchmark基础benchmark数据回流指标统计模块指标大盘指标查询指标统计模型训练模块模型训练模块模型服务化模型服务GPU适配容量评估压测部署升级文档模型处理模型选型提示工程微调训练预后处理数据准备数据收集数据合成数据校验数据分类数据回流模型评测数据同步数据上报数据同步数据上报数据回放数据回放数据中心数据升级数据读取数据下载1.Benchmark有利于帮助产品识别出模型技术的基础效果和能力边界,从功能使用层面调整产品设产品匹配)的有力举措。2.上线后,产品和技术观测线上用户数据和指标进行分析,将真实数据分批回流到模型训练集、验证3.产品AI功能升级时,包括prompt、模型或工程方案等技术方案的调整,都需要经过Benchmark补全的一些技术细节采纳率平均提效率通用场景代码补全47.89%24.98%特定场景代码补全61.34%Y用户操作用户确认触发补全代码展示展示和防抖
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- (新教材)人教版小学数学六年级上册第一单元确定位置《用有序数对确定位置》示范教学课件第三课时
- 高中地理湘教版必修一图表专项教学设计
- 高三数学柯西不等式与权方和不等式一轮复习教学设计
- 九年级数学上册过圆外一点作圆的切线教学设计
- 高一物理教学设计:必修二第六章第一节圆周运动核心素养导学案
- 小学六年级音乐教学设计:聆听与创编-以格里格《清晨》为核心的“日出”意象多元建构
- 小学三年级道德与法治教案:筑牢生命防线 护航平安成长
- 八年级道德与法治下册 1.2 宪法的内容和作用 教学设计
- 高三年级数学微专题教学设计-放缩法证明不等式
- 初中八年级地理教学设计:农业区位因素与类型分析
- 2026年《工程力学》课程测验题库及答案
- 2026年江苏省安全员考试题库及答案详解
- 宅基地转让协议书
- 2024入团积极分子入团考试题库(含答案)
- 英语-简单句五种基本句型课件
- 气体绝缘金属封闭开关设备不停电扩建技术导则
- 人工智能导论智慧树知到期末考试答案2024年
- 巧克力囊肿的护理查房
- 农村建筑工匠培训
- GB/T 532-2008硫化橡胶或热塑性橡胶与织物粘合强度的测定
- GB/T 13277.1-2008压缩空气第1部分:污染物净化等级
评论
0/150
提交评论