低/无代码+GPT让数字化门槛消失？我们试了试：GPT还不够格

OpenAI 在昨晚发布了GPT-4，能力赶超之前引起全人类惊叹的 ChatGPT 3.0，OpenAI 表示，GPT-4虽然在许多现实世界场景中的能力依旧不如人类，但在各种专业和学术基准上已经和人类表现持平。

GPT-4 是多模态的，意味着接收与输出的能力将会更上一层楼，也即能够接受更多信息、反馈更加丰富。比如，OpenAI 在发布 GPT4 的时候，还进行了演示，演示画了一个示意图，拍个照发给 GPT，GPT 立即写出一个网页代码。

但是，GPT 是否能真正「流行」起来，其实还需要看是否能够被商业化，是否能够被市场应用起来，是否能够产生新的交互，真正应用到实际中。否则，就只能停留在技术圈子里，无法破圈。

尤其在数字化领域，企业对技术软件的需求一直在攀升，囿于开发成本，很多的个性化需求也只能局限在通用 SaaS 所提供的的一亩三分地内，即便有了低代码和无代码，也依然无法解决快速增长的数字化需求。基于此，沈欣提出了用 GPT 来辅助企业进行数字化，用简单的 Prompt（指令）生成软件、迭代软件。

不过，沈欣告诉我们，GPT-4 的能力虽然强，但「还有距离」，GPT 还做不到全自动。尤其针对每个行业的数字化，其实都需要匹配行业最佳实践和行业knowhow。所以他也给出了一个想法：企业该如何利用 GPT 与低代码/无代码结合，达成真正的数字化降本。希望可以给到企业一个参考。

沈欣，1996年开始从事软件开发，现为弯弓研究院联席院长/一级研究员、广东省连锁经营协会技术委员会主席、上海交通大学终身教育学院特聘讲师、中国信通院低代码/无代码推进中心技术专家、前喜茶数字化高级副总裁、腾讯云 TVP 行业大使。多次担任红杉、中信、太盟等投资基金 IT 顾问，负责对投资企业进行尽调及投资后 IT 规划。

以下为正文：

大家如果经常关注信通院低无平台的公众号，可能会看到我写的一篇文章《从想法到业务有多远》，在里面我虚拟了一个未来元宇宙中的企业是如何把CEO的一个想法当场落地的一个场景，通过各个部门的“元宇宙拼装“来 快速搭建一套业务系统 。

在ChatGPT火爆的今天，我们再来一场新的头脑风暴，思考一下： 软件，能否用更简单更人性的方式生成。

场景如下，用户只需对ChatGPT说：

我需要一个软件功能，我可以输入姓名、年龄、性别、成绩，软件帮我存入数据库，未来我可以按以上条件进行搜索得到结果，并且同时对搜索结果的成绩进行汇总。

请帮我输出数据库结构的创建语句，数据录入界面的对象元素，并为对象元素建立一个uniID，在录入界面需要包含一个取消和一个确认按钮，分别对应取消录入和数据保存的功能。

然后，啪，一个链接跳出来，软件已经热腾腾地在那里等我们了。

回到现实，我们看到近年来随着数字化的快速推进，企业对软件的需求成激增态势，作为快速开发工具的“代表”，低代码和无代码已开始大量应用，但是大多情况还是作为底层工具或探索工具，强调的是轻和快，未能真正担当重任，主要原因有三个：

1、绑定成本较高，一旦更换平台，成本巨大，因此CIO、CTO不敢轻易把核心业务放到平台大规模使用；

2、大家对低无代码平台的性能和能力认识不足，总觉得拼装出来的乐高一定不如一体成型的手办结实；

3、缺乏成熟的、深入的行业应用案例来鼓舞人心。

这些产业层面的问题，也都有着解决方法：例如，早日构建互联互通标准，减少迁移成本，早日建立标准性能测试体系，用事实打消大家的疑虑，在行业中多进行最佳案例的推广等等。

最近ChatGPT爆火，我也尝试着让它做一下编程（ Sage 使用的是GPT3引擎），如图所示:     

直接说结论和有意思的地方：

1、AI 可以直接生成数据结构，还带认知能力：因为有字段名叫成绩，自动给表取名学生信息（ student_info ），自动给性别字段加入设定等等。

2、对于从代码开始开发的同学，极大地提高了效率，但也仅限于此。

那么，是否 GPT 引擎能够给我们的低无代码平台带来更高效的提升呢？我做了一些粗浅的思考，和大家一起分享。

首先，AIGC 结合低无代码产生的生产力价值能否被量化决定了这方面的投入与发展。这是每一个从业者和参与者都需要考虑的事情，所有的技术都是为最终价值服务，这样才会有持续的生命力，如何量化这个价值，也是取得市场认可的重要方式。

我们试着来做一个 GPT + 低无代码 的规划，也就是我们假想中未来的形态：

1、利用 ChatGPT 生成格式化结构，低无码平台导入这个结构即可生成应用；

2、如果可以，这个格式化结构可以作为标准规范供各种低无码平台通用使用。

如果能够做到第二点，其实我们可以顺手解决掉低无代码平台的互联互通问题，对行业会有巨大的推动力。

技术方向而言，如果不考虑大的操作模式变更，会有两大方向：一是嵌入式辅助工具；二是引导式 UI。

1、嵌入式的已经很成熟，即使用 、2.0 都可以完成，很多企业在内置的报表生成功能中都已经开始陆续嵌入，自然语言提问，直接生成 SQL。

2、引导式则将是通过一些面向用户的标准提问（Prompts），甚至表格表单输入，引导用户将需求清晰描述出来，然后用 GPT 生成格式化的输出，低无码引擎则利用该格式化的输出生成对应的软件模块，同时完成部署。

其他需要注意的地方：程序对错误率的容忍和AIGC生成的文字与图片不同，需要更好的「格式化与结构化」。

1.必须具备可用性和可部署性—— GPT 不能直接生成应用环境，而是生成开发环境，再通过自动化方式或者 devops 流程进行部署

2.必须可以迭代而不是一次性使用（需要中间层），小的需求调整不需要重构整个模块。

具体设计思路如下：

| 传统软件可以被拆分为几个核心部分：

1、数据，软件对数据的输入输出做出了控制；

2、算法，软件包含算法，数据通过算法被进行加工；

3、流程，软件通过流程顺序执行；

4、UI，所见即所得方式构建。

| 低无代码软件做法：

1、数据：以数据中台微服务方式管理（存、取）；

2、算法：简单的逻辑在UI中实现，复杂的逻辑在后台抽象为业务中台微服务；

3、流程：简单流程在UI中实现，复杂流程抽象为工作流引擎（逻辑）进行配置，流程的一个重要元素在于角色权限；

4、UI：拖动拼装 ，或自动根据数据和业务中台内容构建，并手工调整。

| GPT与低无未来结合的理想做法：

1、数据：

通过扫描表单或者自然语言，构建数据结构，加入自动判断，不同字段自动设为对应的数据类型和长度、是否为空等，自动拆分次级字段。例如，城市ID和城市名称。通过数据自动构建数据中台微服务并进行自动注册及树状分类。

2、算法：

自动匹配算法（学习行业算法），实现UI级定义，或自动匹配业务中台微服务，如果不存在合适的，可以构建空的微服务，自动注册及分类，未来还能根据数据结构和内外部数据构建微服务内容。

3、流程：

自动匹配常见流程（学习行业经验），自动构建角色（学习最佳实践），也可以根据用户意图重构（增加或删减）流程。

4、UI：

抽象所有元素，并给出多种AIGC的模板和互动方式，生成UI格式化内容以供调用。UI未来可以扩展至外部数据接口，例如对接摄像头读取实时的外部仪表数据等。

为了更加清晰，我把之间的对比做成了表格：

基于以上的思考，我认为企业具体操作实践的第一步可以以下列方式进行：

找到用户，让其口述需求，让产品经理翻译为文字，构建一系列Prompt，能够以产品经理的文字为基础，输出格式化内容，低无代码平台可读入该格式化内容来生成软件。随着需求案例的增加，优化Prompt来获得更复杂的格式化内容以适应不同的复杂需求。

这样的做法，可以让原有的低无平台无需做出太大的改动就可以享受GPT的所有好处。

如果我们回到开篇提到的那篇“科幻”文章，放飞我们的想像，未来还有可能产生更加颠覆性的变化：

管理是否还需要软件？数据库里可以直接存放大量的非结构性数据，同时这个数据库变为GPT的私有训练环境，持续迭代：数据自动进入，自动校验，自动根据自然语言要求甚至最佳实践进行输出，如果不考虑性能，的确是一个非常诱人的前景，而性能嘛，我们只需耐心等待。