AI低代码平台技术能力清单

一、低代码平台核心能力

参见：低代码的定义与发展历程

二、AI辅助开发能力

AI辅助开发能力的价值在于提升应用开发效率，但受限于当前AI大模型的推理能力，完成度整体偏低，建议将本章节中涉及到的能力视作“加分项”而非“必需项”。

2.1 AI生成元素（代码）

平台需以自然语言对话的形式，接受开发者的需求描述，经过AI解析，结合上下文生成对应元素的代码，经开发者确认后，将其纳入到低代码工程中。

这里的“元素”包含但不限于：

• 数据表

• 业务逻辑单元

• 页面框架与元素

2.2 AI生成元素（元数据）

平台需以自然语言对话的形式，接受开发者的需求描述，经过AI解析，结合上下文生成对应元素的元数据，经开发者确认后，将其纳入到低代码工程中。

这里的“元素”包含但不限于：

• 数据表

• 业务逻辑单元

• 页面框架与元素

2.3 AI生成模块

平台需以自然语言对话的形式，接受开发者的需求描述，经过AI解析，生成可独立运行的软件模块。

这里的模块包含但不限于：

• 服务端WebAPI

• 前端页面与配套的后端服务

• 包含有节点和策略的工作流

• 报表与配套的数据服务

• AI智能体

2.4 AI生成应用

平台需以自然语言对话的形式，接受开发者的需求描述，经过AI解析，生成完整的企业应用。

三、AI智能体构建能力（生成式AI）

基于生成式AI的智能体构建能力对于AI智能体开发项目的重要度很高，可视为“必需项”，如明确界定该选型不涉及AI整体，则可忽略本章节中涉及到的能力。考虑到AI智能体是企业软件的发展趋势，我们强烈建议您将AI智能体纳入低代码的应用场景，同时高度重视相关能力。在此背景下，中国信通院研制了《智能体平台技术要求》标准，包含八大能力域，28个能力要求。

3.1 数据接入与管理

能接入企业数据，融入AI的生成过程。

• 结构化数据接入：如关系型数据库、第三方WebAPI

• 非结构化数据接入：如可文本化的文档、图片、视频等

• 数据管理

3.2 模型接入与管理

能够接入主流大模型

• 模型接入：通过不同的协议接入大模型接口，包含但不限于OpenAPI风格WebAPI

• 模型路由：根据业务场景不同，使用不同的大模型

• 模型管理

3.3 插件开发与管理

能够以插件的形式，接入企业的能力，这些能力能以工具的形式提供给大模型使用，或编排进Workflow中配合机构化输出来完成调用。

• 插件开发与注册：构建业务逻辑的能力

• 插件运行管理：提供业务逻辑的调用日志

• 插件市场：插件的复用与共享机制

3.4 工作流（workflow）设计与管理

能编排和运行AI Workflow。

• 工作流编排：编排AI节点和非AI节点，支持流程控制

• 工作流执行：通过多种方式调用Workflow，包含但不限于WebAPI

• 工作流管理

3.5 智能体研发

覆盖智能体软件的全生命周期

• 智能体创建

• 智能体调试

• 智能体部署

• 智能体发布

3.6 智能体管理

• 智能体管理：对智能体进行集中管理，包含启停和监控

• 智能体评测：对智能体的运行结果进行人工评价

• 多智能体协同管理：智能体间的调用

3.7 智能体市场

智能体的复用与共享机制。

• 智能体展示

• 智能体搜索与推荐

• 商业化与交易扶持：支持付费版智能体，完成线上交易闭环

• 智能体评价与反馈

• 智能体服务运营

3.8 安全管理

提供智能体的安全防控机制。

• 系统安全：支持安全可控的部署环境

• 访问控制：提供基于用户、秘钥或IP的访问控制机制

• 监控审计：覆盖维护、调用和配置等环节

• 智能体安全：智能体内部的精细化权限控制

四、与AI相关的通用能力

• 需要支持多种主流大模型，包含但不限于运行在云端或本地服务器的deepseek、通义千问等

• 支持在同一个低代码项目中混用不同的大模型，以应对差异化的AI场景

• 需要支持为开发环境和运行环境配置不同的大模型