由 ChatGPT 带来的对低代码产品的思考

在之前的文章中多次提到我们在开发一款低代码平台，主要面向 ToB 企业，帮助企业完善信息化建设，给企业的数字化转型贡献一份力量。

数字化转型的目标是降本增效，同样，效率对我们来说也至关重要，主要体现在：售前能快速提供原型和客户沟通、实施过程中能高效交付、售后遇到的各种问题能立马找到答案。

最近，ChatGPT 持续火热，每天在推上都能发现新的应用，那么 ChatGPT 和我们的低代码产品能结合吗？或者说这种大语言模型的思路能给低代码带来怎样的效率提升？

其实一些巨头已经这样做了。

Salesforce 宣布推出新产品 EinsteinGPT，这是一种基于 LLM 技术的产品，它与 Salesforce 的主要网络应用程序集成，利用 AI target=_blank class=infotextkey>OpenAI ChatGPT 模型来帮助跟踪销售人员联系潜在客户的频率，并自动编写营销电子邮件，无需手动编写电子邮件。

另一方面，微软也宣布将 ChatGPT 技术扩展到 Power Platform 平台上。Power Platform 是微软的一款低代码产品，在《最近看了两本低代码的书》中有介绍。这意味着 Power Platform 上的 Power 虚拟代理和 AI Builder，都已经更新了 ChatGPT 编码功能，使用户可以在很少甚至不用编写代码的情况下，开发自己的应用程序。

Salesforce 将其应用在业务能力上，微软则在平台能力上进行了增强。对我们来说，售前和实施中需要的是能快速搭建应用，售后需要快速解决问题，所以有两个方向可以去做：

1、应用搭建效率的提升。

2、构建智能问答系统。

目前项目实施的步骤如下：

• 需求分析师和客户沟通完后，整理出需求文档。
• 需求分析师对搭建工程师和开发进行需求宣讲。
• 可以通过配置实现的部分由搭建工程师进行搭建配置，其他部分由开发人员进行定制开发然后和平台进行集成。

让低代码产品集成了 ChatGPT 的能力后，系统就会变成这样：

• 系统具备理解自然语言的能力。
• 需求分析和客户聊完形成的文档本身就是自然语言描述的。
• 在系统中有聊天对话框和进行交互。
• 在对话框输入需求描述，能够识别关键信息，关键信息包括接口识别、参数提取。
• 调用平台接口进行应用的创建，或者局部功能调整。
• 就这样聊着天把系统给做完了。

例如：在对话框中输入，将当前列表的项目名称这一列宽度调整到 500 ，这时就需要能识别参数：项目名称和宽度 500，而且知道需要调用调整列宽的接口。

现有的低代码平台在后台做完各种配置后，点击保存后，前端收集所有数据传递给接口，接口的颗粒度比较粗，一次性会存储很多内容，但上面例子中调整一个列的列宽设置就需要一个接口，这就需要接口的颗粒度非常细，所以，改造接口颗粒度是实现智能化的第一步。

上面说结合 ChatGPT 的能力，并不是直接对接 ChatGPT 的接口，所以说要实现还是相当有难度的。不过一个新的技术兴起到完全在 ToB 市场中普及，是有一个时间周期的，只要方向没错，完全有这个准备的时间。

目前在项目实施过程中存在几个问题，这也是为什么一个智能问题系统很重要的原因：

• 因为平台功能多、非常灵活，以至于同样的需求不同的人去实现，方法和途径是不一样的，工作量可能有好几倍的差距；
• 实施过程中遇到的各种产品问题，需要找熟悉的同事询问，或者咨询产品团队。

现在的方式就是通过文档搜索，这些年也沉淀了非常多的文档，比如：业务场景案例、操作手册、实施常见问题手册等，不过是基于关键字搜索的，用关键字搜索有几个问题：

• 很多时候不知道怎么提取关键字。
• 搜索的结果非常多，不能精准匹配，随着文档的增多，需要在大量的结果中去筛选。
• 针对某个业务场景去寻找搭建方案，匹配度非常差。

如果按照 ChatGPT 的思路，智能问答系统的逻辑就是这样的：

• 所有沉淀的文档（语料库）生成向量数据存储到向量数据库。
• 输入的自然语言生成向量，计算相似度，找到相关结果。
• 整理输出。

针对这个问题，我在知识星球问过张善友大佬，下面的图就是张善友提供的：

宝玉在推上也回答过类似的问题：

https://Twitter-thread.com/t/1641656561650249730。

不过张善友和宝玉提供的参数都是依赖 OpenAI 的接口，如果不依赖 OpenAI，有办法实现吗？这需要进一步去学习和研究。

最近看到 Supabase 产品的文档就提供了 AI 问答（https://supabase.com/docs），这个效果就是我想要达到的，总结下就是根据自然语言的输入，给一个精准的答案。

未来已经到来，不管是产品还是个人，都需要持续不断地学习和进化，才能不被淘汰。