將人工智能技術集成到低代碼和無代碼開發中，可以利用自動代碼生成和智能助手等功能加速應用程序的創建。

大型語言模型(LLM)的出現導致人們爭相將人工智能(AI)技術集成到每個有意義的產品中，甚至包括許多毫無意義的產品。但有一個領域，人工智能已經被證明是一個強大而有用的補充：低代碼和無代碼的軟件開發。

以下將介紹人工智能如何以及為什么使構建應用程序更快、更容易，尤其是使用低代碼和無代碼工具。

人工智能在應用程序開發中的作用

首先討論人工智能在簡化和加速開發過程中最常見的兩個角色：

• 代碼生成器
• 充當智能助手

人工智能代碼生成器和智能助手使用經過大量代碼庫訓練的LLM，教會它們編程語言的語法、模式和語義。這些模型預測完成提示所需的代碼，就像聊天機器人通過訓練來預測句子中的下一個單詞一樣。

自動生成代碼

人工智能代碼生成器根據輸入創建代碼。這些提示采用自然語言輸入或集成開發環境(IDE)中或命令行中的代碼的形式。代碼生成器將程序開發人員從編寫重復的代碼中解放出來，從而加快了編程速度。它們還可以減少常見錯誤和排版錯誤。但是，與用于生成文本的LLM類似，人工智能代碼生成器需要仔細檢查，并且可能會犯錯誤。開發人員在接受人工智能生成的代碼時需要小心謹慎，他們不僅要測試它是否構建，還要測試它是否按照用戶的要求執行。

GPT-Engineer 是一個開源的人工智能代碼生成器，它接受自然語言提示來構建整個代碼庫。它可以與ChatGPT或Llama等自定義LLM配合使用。

智能開發助手

智能助手在開發人員工作時為他們提供實時幫助。它們是一種人工智能代碼生成器，但可以自動完成，提供在線文檔，并接受專門的命令，而不是使用自然語言提示。這些助手可以在Eclipse和Microsoft的VS Code、命令行或這三種編程工具中工作。

這些工具提供了許多與代碼生成器相同的好處，包括更短的開發時間、更少的錯誤和更少的錯別字。它們還可以作為學習工具，因為在開發人員工作時為他們提供編程信息。但像任何人工智能工具一樣，人工智能助手也不是萬無一失的——它們需要密切而仔細的監控。

GitHub的Copilot是一個很受歡迎的人工智能編程助手。它使用建立在公共GitHub存儲庫上的模型，因此它支持各種各樣的語言，并插入所有最流行的編程工具。微軟的Power Platform和亞馬遜的Q Developer是兩個流行的商業選擇，而Refact.ai是一個開源的替代方案。

人工智能與低代碼和無代碼開發的完美結合

低代碼和無代碼開發是響應那些允許新手和非開發人員快速定制軟件以滿足其需求的工具的需求而產生的。人工智能將此向前推進了一步，使將想法轉化為軟件變得更加容易。

民主化開發

人工智能代碼生成器和智能助手通過使編碼更易于訪問、提高生產力和促進持續學習，使軟件開發民主化。這些工具降低了編程新手的入門門檻。新手開發人員可以通過在工作中學習來使用它們快速構建工作應用程序。例如，Microsoft Power Apps包括Copilot，它可以生成應用程序代碼，然后與開發人員一起完善。

人工智能如何增強低代碼和無代碼平臺

人工智能增強低代碼和無代碼平臺有幾種重要的方法，人工智能具有從自然語言提示或代碼編輯器中的場景生成代碼片段的能力。開發人員可以使用像ChatGPT和Gemini這樣的LLM來為許多低代碼平臺生成代碼，而像AppSmith和Google AppSheet這樣的無代碼平臺則使用人工智能來基于描述想要集成的內容的文本生成集成。

開發人員也可以使用人工智能來自動準備、清理和分析數據。這使得集成和處理大型數據集變得更加容易，這些數據集在適合與模型一起使用之前需要進行調優。像Amazon SageMaker這樣的工具使用人工智能來攝取、排序、組織和簡化數據。一些平臺使用人工智能來幫助創建用戶界面和填充表單。例如，微軟的Power Platform采用人工智能使用戶能夠通過與Copilot的對話互動來構建用戶界面，并實現流程自動化。

所有這些特性都有助于使低代碼和無代碼更快地開發，包括在可擴展性方面，因為更多的團隊成員可以參與開發過程。

低代碼和無代碼如何促進人工智能開發

雖然人工智能在生成代碼方面是無價的，但它在低代碼和無代碼應用程序中也很有用。許多低代碼和無代碼平臺允許開發人員構建和部署支持人工智能的應用程序。它們抽象了在應用程序中添加自然語言處理、計算機視覺和AI API等功能的復雜性。

用戶希望應用程序提供語音提示、聊天機器人和圖像識別等功能。即使對于經驗豐富的開發人員來說，“從頭開始”開發這些功能也需要時間，因此許多平臺提供的模塊使添加這些功能變得很容易，只需采用少量代碼或不需要代碼。例如，微軟公司有一些低代碼工具用于在Azure上構建Power Virtual Agents(現在是其Copilot Studio的一部分)。這些代理可以插入Azure服務支持的各種技能，并使用聊天界面來驅動它們。

亞馬遜公司的SageMaker和谷歌公司的Teatable Machine等低代碼和無代碼平臺管理著準備數據、訓練自定義機器學習模型和部署人工智能應用程序等任務。Zapier將亞馬遜Alexa的語音轉換為文本，并將輸出定向到許多不同的應用程序。

圖1采用構建塊構建低代碼的人工智能應用程序

人工智能驅動的低代碼和無代碼工具的示例

表1包含廣泛使用的低代碼和無代碼平臺列表，這些平臺支持人工智能代碼生成、支持人工智能的應用程序擴展或兩者兼而有之：

表1人工智能驅動的低代碼和無代碼工具

使用人工智能進行開發的陷阱

人工智能具有改進低代碼和無代碼開發的強大能力，但也帶來了一些風險。使用的任何人工智能技術都需要適當的訓練和全面的治理。LLM對提示的答案產生“幻覺”的傾向也適用于代碼生成。因此，盡管人工智能工具降低了新手開發人員的入門門檻，但在將代碼部署到生產環境之前，仍然需要有經驗的程序員來審查、驗證和測試代碼。

• 開發人員通過提交提示和接收響應來使用人工智能。根據項目的不同，這些提示可能包含敏感信息。如果模型屬于第三方供應商，或者沒有得到正確的保護，那么開發人員可能泄露這些信息。
• 當它工作時，人工智能會建議可能滿足它正在評估的提示的代碼。雖然代碼是正確的，但并不一定是最好的解決方案。因此，嚴重依賴人工智能生成代碼可能導致代碼難以更改，并帶來大量的技術債務。

人工智能已經為民主化編程和加速低代碼和無代碼開發做出了重要貢獻。隨著LLM的逐步完善，用于創建軟件的人工智能工具只會變得更好。即使這些工具有所改進，IT領導者仍然需要謹慎行事。雖然人工智能提供了強大的力量，但這種力量伴隨著巨大的責任。任何使用人工智能的行為都需要全面的治理和完整的保障措施，以保護組織免受錯誤、漏洞和數據丟失的影響。

結論

將人工智能集成到低代碼和無代碼開發平臺中已經徹底改變了軟件開發。它使高級編碼的訪問民主化，并使非專業人員能夠構建復雜的應用程序。

人工智能驅動的工具和智能助手減少了開發時間，提高了開發可擴展性，并有助于最大限度地減少常見錯誤。但這些強大的能力也伴隨著風險和責任。如果開發人員和IT領導者想要安全地利用人工智能的全部潛力，就需要建立健全的治理、測試制度和驗證系統。

人工智能技術和模型不斷改進，它們很可能成為創新、高效和安全軟件開發的基石。因此，需要了解人工智能如何通過低代碼和無代碼工具幫助組織擴大開發工作。

原文標題：The Role of AI in Low- and No-Code Development，作者：Eric Goebelbecker

鏈接：https://dzone.com/articles/ai-role-low-no-code-development。