Gartner2022年重要戰略技術趨勢中提出了組裝式研發的理念，組裝式研發是一種軟件開發方法，其核心在于“封裝業務能力”（PBC），將軟件系統劃分為多個獨立的模塊和組件，開發人員可以通過組合和配置這些模塊和組件來構建軟件系統。
中國工商銀行軟件開發中心（以下簡稱“工行軟件開發中心”）作為中國信通院《組裝式應用開發平臺系列標準》的貢獻單位，遵循傳統Pro Code、Low Code、No Code三層組裝式研發路徑，結合新興的AI Code理念，構建行內組裝式研發體系，助力金融產品快速創新，其體系化的思考與實踐可作為金融生態提效的參考。
圖1：組裝式研發生態建設思路
1、ProCode標準資產建設，推進資產復用
ProCode指的是一種在程序編碼過程中，通過抽象出最佳的編碼實踐，形成可復用的標準組件或者代碼片段，支持開發人員快速構建高質量應用系統的研發模式。工行軟件開發中心從代碼管理和工具建設兩個角度踐行ProCode研發模式，形成了擁有2000多個構件及代碼片段資產的企業級代碼資產庫，復用度已經達到2萬次以上。
代碼管理方面，發布可復用代碼管理平臺，推動企業代碼資產共享共建。一是完成組件、代碼和模板等全類型代碼資產納管能力建設，形成MAVEN、NPM和移動端等11項代碼資產納管標準；二是重點關注前端組件和信創轉型等關鍵領域，加強可復用代碼的建設與推廣使用，形成資產專區；三是依托代碼自動掃描工具和用戶的主觀評價，建立可復用代碼資產復用效能評價體系，為資產建設營造競爭氛圍。
工具建設方面，上架一體化開發集成IDE插件，基于研發場景對研發流程進行了重構，實現配套工具鏈的深度整合，通過提供覆蓋代碼提交、資產復用、接口開發、環境運維、研發自測以及研發工作臺等六大一站式服務能力，為開發人員打造了一個便捷高效的研發環境。同時，通過研發行為數據持續洞察，不斷挖掘研發流程中的斷點和堵點，以微洞察、微提升和微循環的方式，實現了數據驅動的研發模式數字化轉型。這種數字化的新生態，讓開發人員能夠更加專注于應用編碼，并為大家營造了一個沉浸式的研發體驗。
圖2：一體化開發集成IDE能力視圖
2、LowCode低代碼可視化組裝，增強交互體驗
LowCode主要聚焦定制性弱、復用性高的業務場景，通過屏蔽底層技術細節，從實體模型設計出發，快速生成增刪改查頁面及后端邏輯，從而實現前后端頁面的快速組裝，降低用戶體驗研發門檻。工行軟件開發中心將低代碼能力和用戶體驗專業設計相結合，在行內推廣代碼平臺、簡搭·前端設計管理與共享平臺，推進LowCode可視化組裝研發，將專業前后端設計研發能力賦能一線開發。
低代碼平臺：通過簡單的拖拽和拼接等低代碼方式進行開發，使得各種經驗水平的開發人員都能夠通過直觀的圖形化界面，利用可復用的資產組件、模型驅動以及邏輯編排等核心功能來創建Web和移動端（未來規劃）應用。這不僅減輕了開發人員重復低效的代碼編寫工作負擔，還簡化了研發過程，使開發人員能更專注于業務邏輯的開發。在簡單增刪改查等應用場景下，單個頁面的研發效率預計可提升30%。
圖3：低代碼平臺拼搭能力展示
簡搭·前端設計管理與共享平臺：結合設計交互增強和低代碼能力，提供了四大能力：標準區塊、微前端、素材共享和低代碼工具。通過可視化方式，實現設計素材的共享預覽，用戶可以自由組合基礎組件和標準區塊，省去頁面元素編輯步驟，從而以所見即所得的形式完成功能模塊的頁面模板開發工作。目前，平臺月訪問量已經突破了6000+。
3、NoCode積木式拼搭，推進快速上線
NoCode通過流程標準化和可視化，實現業務場景的無代碼配置化上線，提高應用系統靈活性，幫助企業更好地適應快速發展的市場需求。工行軟件開發中心基于行內產品線節點部署現狀，制定適合行內系統架構的構件標準，搭建組裝平臺，并在金融產品線進行實踐試點，取得初步成效。
組裝平臺根據系統功能的重要程度進行分級歸納，形成了UI、APP、前置、引流、基礎服務、交易、管理、異步、批量等9類可組裝節點能力視圖。重點面向金融生態云場景，完成生態認證中心、權限中心、流程中心等三大基礎能力建設，通過復用現有資產完成AMC監控、數據脫敏等技術積木塊的建設，支持了多種標準工程搭建腳手架。在通用繳費云平臺和通用資金監管平臺建設中，成功將場景級業務服務代碼提效30%，新工程框架搭建提效60%。
圖4：組裝式節點和業務組件
4、AICode智能生成式編碼，實現代碼補全
AICode主要基于人工智能大模型，提供代碼推演預測、代碼自動生成和智能代碼檢索等功能，幫助開發人員實現高效、自動化的智能研發。工行軟件開發中心以 IDE為觸點，聚焦智能代碼補全、單元測試自動生成、代碼異常檢測三大AIGC應用場景，打造智能研發助手，探索智能研發新方向。
智能代碼補全模型行內定制化訓練：利用TB級優質代碼作為訓練素材，結合北大科研團隊前沿研究成果，與關聯公司技術團隊初步完成行內定制化訓練模型驗證，旨在提升代碼智能補全采納率。
單元測試自動生成解決方案：采用智能遺傳算法實現單元測試自動生成能力，助力存量代碼單元測試案例的補全，已自動生成超過7萬行單元測試案例。
代碼異常檢測與代碼轉自然語言：利用大模型識別代碼潛在問題并給出修復建議，支持代碼語義、代碼邏輯、參數配置等靜態代碼掃描無法識別的問題類型。此外，還提供交互對話式的代碼注釋生成和代碼含義解釋能力，協助開發人員讀懂老舊代碼，協助開發人員檢測代碼近千次。
圖5：智能單元測試生成
未來，組裝式研發需要突破的兩個關鍵點是：一是通過數據融合，與業界先進的大模型場景應用經驗相結合，提升智能化輔助決策能力，并增強組裝式和智能化研發能力。二是借鑒平臺工程理念，逐步完善金融全業務線和全場景的組裝能力搭建，以滿足金融企業日益增長的新需求。
