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余不同的了解？低代码开发和无代码开发之间的区别是什么？
作者 | 甄子
起源 | 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余不同的了解？
行业里风行观点，低代码是更加易用的搭建零碎，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别离置于 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/无代码看作一个办法的两个阶段，就像对主动驾驶的 L0 ~ L5 共 6 个不同阶段一样，把我之前在《人机协同的编程形式》[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对立视角定义、剖析和解决问题，而第一种观点只是部分和过程的优化而非颠覆性翻新。
明天“人机协同的编程形式”把软件工程从拼装 UI 和编写业务逻辑里解放出来，逐渐向业务能力、根底能力、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，别离对应“人机合作”和“人机协同”。合作和协同最大的区别就是：心有灵犀。不管低代码还是无代码，均有服务的对象：用户。不管用户是程序员还是非编程人员，均有对立指标：生成代码。不管源码开发、低代码还是无代码，都是在用不同的形式形容程序，有代码、图形、DSL……等。“人机合作”的阶段，这些形容有各种限度、束缚，利用的业务场景亦狭隘。“人机协同”的阶段，则限度、束缚缩小，利用的业务场景亦广阔。“心有灵犀”就是指：通过 AI 对形容进行学习和了解，从而缩小限度和束缚，适应更多业务场景。因而，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畛域的一些经典思维、办法和技术，例如软件复用与构件组装、软件产品线、DSL（畛域特定语言）、可视化疾速开发工具、可定制工作流，以及此前业界风行的中台等概念，之间是什么关系？
从库、框架、脚手架开始，软件工程就踏上了谋求效率的路线。在这个路线之上，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、要么以不同形式，但都还在软件工程畛域内思考。中台概念更多是在业务视角下提出的，软件工程和技术畛域内相似的概念更多是叫：平台。不管中台还是平台，就不仅是在过程中的尝试，而是整体和零碎的翻新尝试。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畛域，在相似中台的业务畛域我提出“需要暨生产”的全新业务研发模式，则属于业务畛域。这些概念之间无非：左右、高低、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……都属于根底技术，根底技术的变动势必带来下层应用层技术变动。没有云计算的容器化、弹性缩扩容，做分布式系统是很艰难的，尤其在 CI/CD、部署、运维、监控、调优……等环节更甚，什么南北散布、异地多活、平行扩大、高可用……都须要去关注。然而，云计算和DevOps等根底技术的倒退，内化并自动化解决了上述问题，大大降低了关注和应用老本，这就是心有灵犀，在这样的根底技术之上构建应用层技术，限度少、束缚小还能适应各种简单场景。
三 思维办法
1 撑持低代码/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，过来是“复用”，明天是 AI 驱动的“人机协同编程”。过来的低代码/无代码开发多围绕着晋升研发效力动手，明天 AI 驱动的“人机协同编程”则是围绕着晋升交付效率动手。因而，低代码/无代码开发以“人机协同编程”为次要实现伎俩的话，AI 是其核心技术。
2 低代码/无代码开发的炽热是软件开发技术上的重要改革和冲破，还是经典软件工程思维、办法和技术随着技术和业务积攒的一直倒退而焕发出的新活力？
计算机最后只在多数人把握，现在，简直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，简直人人都会操作和应用计算机。然而，人们对计算机的操作是间接的，须要有业余的人士和企业提前编写软件，人们通过软件应用计算机的各种性能。随着计算机算力和性能的一直倒退，随着社会的数字化和信息化，明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发明软件的能力，进而帮忙人们低成本、即时、高效的间接生产合乎本人需要的软件，进而操作泛滥简单的电子设备和数字世界建设联结。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 现状停顿
1 低代码/无代码开发曾经倒退到什么水平？
imgcook
2w 多用户、6w 多模块、 0 前端参加研发的双十一等大促营销流动、70% 阿里前端在应用
79.26% 无人工参加的线上代码可用率、90.9% 的还原度、Icon 辨认准确率 83%、组件辨认 85%、布局还原度 92.1%、布局人工批改概率 75%
研发效率晋升 68%
uicook
营销流动和大促场景 ui 智能生成比例超过 90%
日常频道导购业务 ui 智能生成笼罩外围业务
纯 ui 智能化和个性化带来的业务价值晋升超过 8%
bizcook
初步实现基于 NLP 的需要标注和了解零碎
初步实现基于 NLP 的服务注册和了解零碎
初步实现基于 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 自动化辨认资损危险和舆情问题
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 基于对代码的剖析和了解，联合线上 Runtime 的辨认和剖析，自动化发现问题、定位问题，晋升 Codereview 的效率和品质
datacook
社区化经营开源我的项目，合并 Denfo.js 同其作者独特设立 Datacook 我的项目，全链路、端到端解决 AI 畛域数据采集、存储、解决问题，尤其在海量数据、数据集组织、数据品质评估等深度学习和机器学习畛域的能力比肩 HDF5、Pandas……等 Python 业余 LIbrary
Google Tensorflow.js 团队合作开发保护 TFData library ，作为 Datacook 的核心技术和根底，独特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 买通 Python 技术生态，原生反对 import Python 风行的包和库，原生反对 Python 的数据类型和数据结构，不便跨语言共享数据和调用 API
利用 Pipcook Cloud 买通风行的云计算平台，帮忙前端智能化实现 CDML，造成数据和算法工程闭环，帮忙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/无代码开发可能在多大程度上扭转以后的软件开发形式？
随着计算机算力和性能的一直倒退，随着社会的数字化和信息化，明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发明软件的能力，进而帮忙人们低成本、即时、高效的间接生产合乎本人需要的软件，进而操作泛滥简单的电子设备和数字世界建设联结。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，软件开发势必从业余程序员手里转向普罗公众，成为明天操作计算机一样的根本生存技能之一。因而，软件开发形式将带来实质变动，从残缺的交付转向部分交付、从业务整体交付转向业务能力交付……
五 展望未来
1 低代码/无代码开发将来倒退的方向是什么？
要我说，低代码/无代码开发将来倒退的方向肯定是：AI 驱动的“人机协同编程”，将残缺开发一个软件变成提供部分的软件性能，相似 Apple 的“捷径”一样，由用户决定这些部分软件性能如何组装成适宜用户的软件并交付最终用户。AI 驱动提供两个方面的价值：
升高开发成本
以往开发软件的时候，要有 PRD、交互稿、设计稿、设计文档……等一系列需要规格阐明，而后，依据这些需要规格利用技术和工程伎俩进行实现。然而，低代码/无代码开发交付的是部分性能和半成品，会被无奈枚举的目标和环境所应用，既然无奈枚举，就不能用 Swith……Case 的形式编写代码，否则会累死。
AI 的特点就是基于特色和环境进行预测，预测的根底是对模式和实质的了解。就像 AI 辨认一只猫，不论这个猫在什么环境、什么光照条件下，也不论这只猫是什么种类，AI 都可能以超过人类的准确度辨认。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？
升高应用老本
明天的搭建体系，实质上是把编程过程用搭建的思维重构了一遍，工作的内容并没有发生变化，老本从程序员转嫁到经营、产品、设计师的身上。这还是其次，明天的搭建平台都是技术视角登程，充斥着经营、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寻框的工夫，比本人和他们沟通后源码实现的工夫还要长，而且常常在撸代码的时候被打断……
基于 AI 的“人机协同编程”不须要透出任何技术概念，经营、产品、设计……等非技术人员也不扭转其工作习惯，都用本人相熟的工具和本人相熟的概念形容本人的需要，AI 负责对这些需要进行辨认和了解，再转换成编程和技术工程畛域的概念，进而生成代码并交付，从而大幅度降低应用老本。
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进去的英文文章品质高呢？还是用中文把文章写好，再应用 Google 翻译整篇转换成英文的文章品质高？你本人试试就晓得了。究其原因，你在本人相熟的语言和概念畛域内，才可能把本人的意思表白分明。
2 围绕低代码/无代码开发存在哪些技术难题须要学术界和工业界独特摸索？
最后在 D2 上提出并分享“前端智能化”这个概念的时候，我就提出：辨认、了解、表白 这个外围过程。我始终认为，达成 AI 驱动的“人机协同编程”要害门路就是：辨认、了解、表白。因而，围绕 AI 辨认、 AI 了解、 AI 表白咱们和国内外出名大学开展了宽泛的单干。
辨认
需要的辨认：通过 NLP 、常识图谱、图神经网络、结构化机器学习……等 AI 技术，辨认用户需要、产品需要、设计需要、经营需要、营销需要、研发需要、工程需要……等，辨认出其中的概念和概念之间的关系
设计稿的辨认：通过 CV、GAN、对象辨认、语义宰割……等 AI 技术，辨认设计稿中的元素、元素之间的关系、设计语言、设计零碎、设计用意
UI 的辨认：通过用户用脚投票的后果进行回归，后验的剖析辨认出 UI 对用户行为的影响水平、影响成果、影响频率、影响工夫……等，并辨认出 UI 的可变性和这些用户行为影响之间的关系
计算机程序的辨认：通过对代码、AST ……等 Raw Data 剖析，借助 NLP 技术辨认计算机程序中，语言的表达能力、语言的构造、语言中的逻辑、语言和内部零碎通过 API 的交互等
日志和数据的辨认：通过对日志和数据进行 NLP、回归、统计分析等形式，辨认出程序的可用性、性能、易用性等指标状况，并辨认出影响这些指标的日志和数据出自哪里，找出其间的关系
了解
横向跨畛域的了解：对辨认出的概念进行降维，从而在底层更形象的维度上找出不同畛域之间概念的映射关系，从而实现用不同畛域的概念进行类比，进而在某畛域内了解其它畛域的概念
纵向跨档次的了解：利用机器学习和深度学习的 AI 算法能力，放宽不同档次间概念的组成关系，对低层次概念实现跨档次的了解，进而造成更加丰盛的技术、业务能力供应和应用机会
常识、通识的了解：以常识、通识构建的常识图谱为根底，将 AI 所面对的开放性问题畛域化，将畛域内的常识和通识当做了解的根底，不是臆测和猜测，而是实实在在构建在实践根底上的了解
表白
个性化：借助大数据和算法实现用户和软件性能间的匹配，利用 AI 的生成能力升高千人后面的研发老本，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，既能够解决用户隐衷爱护的问题，又能够对用户一直变动的情绪、诉求、场景及时学习并及时做出响应，从而让软件从程序性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，因为当初要查看衰弱码，每次进入地铁站 iOS 都会给我举荐支付宝快捷方式，我不必本人去寻找支付宝关上展现衰弱码，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当初已历三年，最后，放弃着“让前端跟上 AI 倒退的浪潮”的初心上路，到“解决一线研发问题”公布[4]，再到“给前端靠谱的机器学习框架”开源[3] ，这一路走来，简直日日夜不能寐。真正想从实质上颠覆当初的编程模式和研发模式谈何容易？这个过程中，咱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，四周的人从作壁上观到积极参与，正所谓：朝思暮想，必有回响。低代码/无代码开发方兴未艾，宽广技术、科研人员在这个方向上厉兵秣马，没有哪个办法是 Silverbullet ，也没有哪个实践是相对正确的，只有找到你心中所爱，保持钻研和实际，终会让所有人都可能自定义软件来操作日益简单和弱小的硬件设施，终能让所有人更加便捷、间接、无效的接入数字世界，终于在实质上将软件开发和软件工程畛域从新定义！共勉！
原文链接
本文为阿里云原创内容，未经容许不得转载。