一句話，呈所想。

誰都沒有想到，如此實用的 AI 代碼生成工具，竟是出自美團。

上周，有媒體曝出了美團的 AI 零代碼工具 NoCode，這是一款無需編程背景和經驗，僅通過自然語言和對話形式即可快速生成應用的工具。

顧名思義，NoCode 可幫助很多人以「零代碼」的方式創建個人提效工具、產品原型、可交互頁面等。它不僅能生成代碼，還可以進行實時預覽，局部修改并一鍵部署，大幅降低了開發的門檻，可以幫助更多人釋放創意。

而且，NoCode 是完全免費的，用美團 App 或微信掃碼就能登錄。

• 產品鏈接：https://nocode.cn/

NoCode 是美團開放 AI 生態的最新實踐，旨在通過免費開放自身積累的 AI 技術能力，助力中小商戶實現 IT 化與數字化升級，同時讓更多用戶體驗 AI 技術帶來的效率提升與創新樂趣。在公司內部，人們已經利用它構建出了從網站頁面到效率工具、數據分析再到簡單游戲等大量不同種類的應用。

雖然目前還未正式發布，不過我們已經在社交網絡上看到了一些使用 NoCode 構建產品的案例。

比如使用 NoCode 生成的五子棋游戲，落子時有視覺反饋效果，可以進行人機對戰：

項目鏈接：https://nocode.host/6281d/wqtkm8blcfm3ovhk

一個熱點美食追蹤的網站，詳細區分了品類、門店詳情等頁面，包含門店覆蓋熱力圖：

項目鏈接：https://nocode.host/3a6ad/m3dbk1k0j4ksr99s

商家數字運營系統，包含運營數據、訂單管理、庫存和分析等多個項目：

項目鏈接：https://nocode.host/6281d/1o5c1i2i9bdacm06

也有越來越多的人分享了自己的使用心得。簡單說來，NoCode 具備以下一些特點：

• 自然語言編程：使用自然語言描述想法，NoCode 就能自動解讀并轉化為完整功能，無需編程經驗即可生成可用能力。在用戶輸入指令后，NoCode 會對指令進行拓展、優化，還可以進行一鍵優化。
• 實時預覽效果：NoCode 能根據對話內容即時渲染、呈現結果，可實時查看每次對話后的實際效果。
• 局部定位修改：使用 Visual Edit 功能，可針對定位內容進行局部修改及完善；同時支持版本間對比、回退，保障每一步都「有跡可循」。
• 一鍵部署分享：應用構建完成后，代碼將自動上傳到倉庫，即可立即部署并與其他人分享，點擊即可直接訪問鏈接查看作品，同時后方會展示復制按鈕，用戶也可以選擇一鍵復制鏈接后，分享給其他人查看。

NoCode 由美團研發質量與效率團隊研發，該團隊屬于美團基礎研發平臺。趕在 NoCode 正式上線之前，美團基礎研發平臺工程效率負責人、美團技術委員會委員程大同，與美團基礎研發平臺智能開發工具負責人俞超接受了我們的采訪。他們就 NoCode 的產品形態，技術架構和應用能力對我們進行了詳細介紹。

在 NoCode 的開發者們看來，這款工具就像是一個全棧工程師，它可以在不同的工作流程中提升生產力。從技術架構上看，NoCode 的背后是多個 AI 模型，又針對多項業務進行了專門的訓練與調優。在美團內部的應用中，NoCode 已經展現出了極強的實用性。或許用不了多久，我們的編程范式就會因為這些 AI 工具而迎來翻天覆地的變革。

這是我們第一次能夠了解美團這一神秘產品的技術細節，讓我們看看他們是怎么說的。

部分文字進行了不改變原意的改寫。

有關新工具的發布

1、請簡要介紹一下美團即將發布的 AI 零代碼工具 NoCode。

程大同：某種程度上，你可以把 NoCode 理解成為一個全棧的 AI 工程師，它擁有完整的環境，一個能夠直接運行程序的沙箱。

即使你沒有技術背景，也能生成小工具、網頁前端、產品原型、小程序、小游戲等等。你只需要把需求提給 AI，它就能幫你 work，不需要麻煩開發團隊，也不需要考慮安裝和部署。在美團內部，很多完全沒有編程經驗的同學經過與 AI 的多輪對話構建起了具有實際生產力的應用，它們雖然沒有專業開發者構建的那樣復雜，但已經是完全能用的。

我認為它意味著創造力：你在自己的專業領域里有了 idea，NoCode 就可能提供幫助，不過得有一些耐心。在美團內部，一些用 NoCode 做出的優秀實踐案例會與 AI 進行超過一百輪的對話。

2、我們知道，長期以來美團一直在零售場景中探索新技術的應用，本次提出的產品則面向代碼開發，可以說是開拓到了一個新的方向。開放 NoCode 是出于怎樣的考量？

程大同：我們認為目前已經到了這個階段。我們的產品在內部使用效果很好，但大家的想象力其實也有窮盡的時候。如果把 NoCode 開放到更廣闊的場景下，讓更多人來使用，可能會帶來更多的可能性，不僅對于我們，對于整個行業也能產生價值。

一直以來美團聚焦的方向是零售加科技，除了自動配送車、無人機等相對硬核的技術以外，其實在 AI 模型等軟核技術上我們的迭代也很快。

相比市面上一些 AI 代碼生成工具，我覺得我們開放出來是為了讓大家能夠參與 AI 這件事。我們會在零售加科技的方向上持續投入，而且有一些還不錯的進展。

3、NoCode 的能力如何？是否有代碼基準評測上的成績可以分享？

程大同：我們沒有對外去打榜。在內部測試時可以看到 code agent 在 SWE-Bench（注：基于 GitHub 的大模型能力評估數據集）上跑分是比較高的，Verified 項目上行業 SOTA 水平在微調后分數在 65% 左右，我們在沒有微調的情況下分數能達到 50% 以上，差不多在 Top5 的水平。

我們更加關注的是實際的生成效果。在內部實踐中可以看到，NoCode 的使用率很高，非技術人員用戶是技術人員數量的三倍。

在 AI 代碼生成這件事情上，我們有很多的實戰經驗。相比創業公司，我們已經擁有了相當數量的「客戶」—— 美團的一線 BD 和銷售，甚至一些 B 端商戶，他們都已經用得很嫻熟了。另外，我們在智能體上的經驗和積累也推動了技術棧的構建。

我們希望 AI 技術的應用能夠更加平民化，從需求、debug 到環境部署更加自動化，可以實現應用構建的從零到一。

NoCode、Dev Mode 背后的技術

4、請簡要介紹一下 NoCode 的大致框架。支撐 NoCode 的基礎大模型是怎樣的？

俞超：NoCode 是一個大模型智能體產品，圍繞基礎設施、runtime sandbox 和大模型構建，多個 AI 模型進行協作。

高清圖片鏈接：https://nocode.host/6281d/lp1779rwn2cpl5lms 

大體來說，NoCode 整體架構分為三層，分別為基礎設施和模型層、runtime sandbox 和 baas 層、Agent 應用層。基礎設施層面，包括 K8S 大規模集群調度算力，分布式文件系統提供代碼存儲能力，Ingress 網關實現網站路由，部署系統提供部署能力，圖片檢索服務適配網頁圖片等。再往上是 runtime sandbox 層，基于特定技術框架（如 react、云 IDE）構建鏡像，通過池化技術加速冷啟，熱更新實現頁面實時渲染。最后是 Agent 應用架構，一個大尺寸主推理模型，外加一些垂直場景的小模型，構建包括 plan、context 管理、code 場景下的 tool set 在內的 code agent。

切換到 Dev Mode 之后，用戶視圖轉變為完整的 Agentic IDE — CatPaw，適用于專業用戶進行更精細化控制。CatPaw 于 2022 年 11 月啟動，當時名字叫做 MCopilot，后來我們認為 Copilot 這個詞不太好，改名 CatPaw，目前在美團內部研發的滲透率超過 90%，這部分技術架構，細節更為復雜，后續有機會單獨分享。

高清圖片鏈接：https://nocode.host/6281d/snpwps0uq1nje77bg

5、在這其中，美團的工程團隊實現了哪些創新，其核心技術在于哪些方面（如模型訓練和調優、數據集等）？

俞超：我們專門構建了一個 7B 參數的 apply 專用模型，用來解決大尺寸模型生成慢的問題。這個專用模型基于美團自研代碼基座，通過美團內部真實代碼數據及部分合成數據進行訓練，它的任務是根據源文件 + 修改方案進行全量代碼生成。我們離線評估它的生成指標后在線上進行 A/B 實驗，衡量整個產品最終的端到端運行效果，不斷進行優化迭代，目前已經迭代了十幾個版本。

Apply 專用模型，我們有一個專門的優化團隊，不斷優化算法和工程，可以在不損失精度的情況下實現每秒 2000 token 的推理，而且使用的還不是業界最先進的 GPU 卡，如果用大尺寸模型去輸出代碼的話，生成速度可能只能達到每秒幾十 token。

實際上，除了 Apply 模型之外，我們還自行訓練了很多小模型，比如最早期的代碼補全模型，Embedding 模型，Rerank 模型等，它們在架構中發揮的效果就是在不降低指標的前提下提升推理速度，可以做到又快又好。相對而言，使用大尺寸模型就顯得有些浪費 token。

對于模型迭代來說，數據的質量和實驗迭代的速度至關重要。我們基于美團內部數據以及合成數據構建訓練集和評測集，并加入人工校對審核。為了提升垂直場景的效果，我們進行了很多離線評測和線上 A/B 實驗。我們不僅對小模型進行垂直評測，也對整個產品端到端的鏈路進行評測。我們的目標并不是 Benchmark 打榜，而是針對美團生態的開發者、非開發者需求，持續進行微調。

6、選擇對外界進行開放，就意味著可能的大規模應用。在產品體驗上，美團對 NoCode 實現了哪些優化？

俞超：極致的技術優化帶來極致的產品體驗。比如說代碼實時渲染，它的背后其實需要調用服務器的算力。最好的情況就是像本地開發一樣，改完代碼立馬就可以看到輸出效果，然后我就可以進行快速迭代。

在對話過程中，每一個 NoCode 作品背后都有一個 runtime sandbox ，提前安裝好環境、依賴、ide 等，能夠快速的去幫你去把代碼實時更新到容器里面，熱更新后快速看到效果。

當然，這也會帶來另一個問題，容器資源的開銷是很大的。我們專門設計了回收容器的機制，結合無狀態設計及容器池化，讓你在下次打開容器時可以實現秒級啟動。

為了對抗大模型輸出的不穩定性，我們還設計了 Visual Edit。你可以在網頁上選中部分區域進行局部修改，比如改個文字，改個背景圖，不需要依賴大模型就可以改，既快又準。

每一次對話后，我們都會默認生成一個帶有頁面截圖的版本，通過瀏覽帶圖的歷史，你可以很容易回顧每次改動，從而方便切換版本或者一鍵回退。

如果你使用過 NoCode，你應該會注意到，NoCode 生成的網頁中的圖片，是非常符合生成網頁上下文這個場景的的，這里其實涉及到圖片搜索，我們也有團隊專項優化這個服務。具體來說，我們會結合網頁的上下文，通過關鍵字、語義化去進行圖片檢索后放置到網頁中，合適的圖片對于網頁整體的美感非常重要。

最后，為了適配更專業用戶的訴求，解決非專業用戶和專業用戶間的協同，我們設計了 Dev Mode。Dev Mode 幾乎是把美團內部更專業版本的 AI Native IDE 搬到瀏覽器，以實現更加精細化的控制。當非專業用戶使用 NoCode 經過一些迭代之后，如果發現改不動了，可以直接 share 鏈接給到專業用戶，他切換到 Dev Mode 進行快速迭代，非專業用戶刷新就能看到實時效果，實現協同創作。

這里只是舉了幾個例子，我們還有很多優化在路上，也歡迎大家在社區（ feedback.nocode.cn）中給我們多多提意見。

7、如何讓 AI 更準確地遵循人類給出的指令，寫出好用的代碼，美團的工程師們在構建 NoCode 的過程中克服了哪些挑戰？

俞超：遵循指令的能力主要考驗模型推理能力，另外也需要提供足夠多無歧義的上下文給到模型，在 NoCode 這個場景，還需要選擇模型輸出效果最佳的前端技術框架。對于每個模型我們都會花費大量時間調整 system prompt，如模型是否足夠主動，使用的代碼規范，工具的描述是否精準，格式是否最優等。我們后續還會支持用戶自定義的一些 system prompt，你可以制定一些以符合你的個人習慣。前端技術框架層面，我們選擇了 react+tailwind+shadcn+vite 的組合。此外，模型輸出的代碼有時會發生編譯不通過的情況，我們也會把編譯器的報錯自動給到模型進行修復，直到能成功渲染為止，這里的修復策略我們也會有團隊專項優化迭代。

8、人們在真實生產環境中構建項目時，通常會需要大模型工具保持連貫性，擁有長期記憶能力，NoCode 是否擁有這樣的機制，它是如何做到的？

俞超：如果代碼文件不多，你可以直接把所有代碼塞到一個窗口中，超過模型的上下文窗口之后，我們一方面會通過 RAG 來實現知識增強，另一方面也會給模型提供一些工具來進行代碼檢索。針對 RAG 場景我們專門訓練了 search 系列模型。比如 embedding 模型如何向量化數據集，rerank 模型進行重排等等。這個里面的每項任務、每一個細節都進行了專門的訓練和評估，在單點上做到極致，然后再把它串聯起來，組合實驗。隨著模型的推理能力增強，將更多的 tool 直接訓到模型中之后，模型可以基于當前的上下文動態 plan 后續的 action，比如通過關鍵字來檢索代碼倉庫，或者列出某個目錄的目錄樹結構，從而增強后續的推理。

AI 讓人人都能寫好應用

9、我們知道，使用 AI 代碼工具經常需要多次生成、調整才能輸出實用代碼。對于非專業人員來說，我們如何知道 AI 生成的代碼是否管用？NoCode 是如何幫助人們對代碼進行迭代優化的？

俞超：你需要進行不斷的迭代，先把你腦子里的想法輸入進去，看看它會出來什么樣的結果。我們很多內部員工在剛開始使用 NoCode 時在經驗上會稍顯不足，生成出來的結果完全不符合預期。但是他們慢慢的在對話過程中，逐漸摸索出 AI 的脾氣到底是什么樣子的。在我看來每一個模型都有他自己的脾氣，就是「模性」。在用的過程中你會發現什么樣的指令，對它來說這個最穩定、最容易遵循的。逐漸形成自己的方法經驗。

這個學習的速度應該是非常快的，因為不需要你去學很多枯燥的代碼，了解其中的語法結構和規則。只需要改進你的描述，然后調整模型輸出的結果。

在使用 NoCode 的過程中，當你發現模型輸出不符合預期，在頁面右側的可視化版本歷史中，點下鼠標就能輕松實現回退，回退后可以補充更多的信息或者換一種描述，讓 NoCode 幫你生成新版本。

我們也會放出一些實踐案例，完整地呈現每個作品的對話過程，此外還會有社區方便大家分享經驗。我相信這樣一款產品，它的學習門檻相比傳統代碼要低很多，可能你一天時間就能夠摸索出來高效實現的方法。

10、使用 NoCode 寫應用，工作流程會發生怎樣的變化？

程大同：主要看使用者的角色。

對于產品經理來說，我以前提一個需求，可能需要找一個研發做出 demo，然后再過設計，做好之后再 review，可能一兩周就過去了。現在我用 AI 工具就可以直接做出原型，開發如果覺得 OK 的話，可以在原型上直接修改，進行更深層的開發。如果動手能力強的話甚至可以自己使用 AI 工具來進一步修改。

很多我們一線的業務人員，面對一些緊急的小項目都可以這樣快速構建，實現業務的閉環。

第三類是全棧能力的補全。假如我是寫后端的，需要自己寫一個前端，就可以用 NoCode 來幫忙。我作為一個開發工程師，它拓展了我的技術棧。

還有就是數據分析人員，他們以前需要大量使用 Excel，還需要懂 VB 編程。現在通過自然語言直接進行分析，如何填寫數據，如何生成圖表，都可以用 AI 來幫忙。

可以說每個人都在發生變化，整個鏈條里面工作流程、協作模式。我們做過一些調研，不論是否懂編程，工作方式都能發生變化。

11、在美團內部，人們應用 NoCode 已經帶來了哪些效率提升？是否有一些更具體的例子。

程大同：在美團，有很多對接出海業務的員工會使用 NoCode 構建學習外語的軟件，他們會按照個人學習習慣和需要來設計產品，引入第三方工具，或是協同學習，還有人會用 NoCode 來寫抽獎程序。

我們的 HR 團隊、行政團隊也發生了變化。比如像 HR 團隊去年過年需要發的紅包，就是有些同學拿 NoCode 做的，經過研發的一些輔助，他們讓公司的 10 萬人拿到了紅包。他們完成這項任務只用了一到兩個工作日。

在數據團隊中，以前進行數據分析需要依賴專業的軟件，其中有很多工具套到底層的大數據倉庫。但這樣的工具是通用化的，對于定制化需求，你就需要向專用軟件的團隊提需求。現在人們不需要提需求了，只需要用 NoCode 做一個端上的數據分析工具，基本只需要三四十輪的對話，一個早上的時間。

有結構化的數據，有 NoCode，就能很快把我的需求實現出來。

12、美團目前每天提交的代碼有百分之多少是由 AI 代碼生成工具構建的，使用自然語言創建出可用于生產的應用，可以把開發時間縮短多久？

程大同：在今年第一季度財報上有提到，美團使用 AI 生成代碼占比達到了 27%。目前這個數字還在提升，目前每周使用我們內部的 AI 工具，生成代碼增量占倉庫增量的 50%。第一季度的統計數據還沒有加入 NoCode。

我們認為（使用 AI 開發工具）在內部能帶來 30-50% 的提效。

項目背景、未來展望

13、NoCode 這個項目是從何而來的？能否簡要介紹一下它背后的歷程和研發團隊。

程大同：我們團隊做 AI Coding 的 code agent 的時間有兩年半，但是 NoCode 項目的啟動到今天其實只經歷了 6 個月。它是從 2024 年 10 月開始的，最開始是公司內部的一個黑客松項目，只有三個同學，現在核心技術人員也不到十個人。

在去年 11 月，項目開始后一個多月，我們突然發現這個項目能火，于是去快速地 ramp up 這個項目。

當然這里面肯定是有相互的依賴和認知迭代。能快速的做出這個東西，我覺得跟我們前面的積累有非常深的關系。

在 AI 產品的持續研發過程中，我們發現必須得有快速的迭代，你晚一分鐘都不行。另外在這種新方向的嘗試上，新的 AI 產品上得注意細節，特別是鉆研垂類。

我們做了模型基座不能做的事情，其中的很多細節是我們打磨的，比如部署時云盤的鏈接，模型知識中調用工具依賴版本的問題，所有這些都是鏈路上的優化。

俞超：NoCode 在內部至少每周會發布一個新版本，多的時候每周兩個版本。在把內部版本轉換成可以對外的版本后，我們也會繼續保持這樣節奏迭代。

14、另一方面，對使用 AI 的人來說，使用大模型是對已有專業知識的放大，未來人與 AI 合作開發的新形式，對人提出了哪些新要求？

程大同：有很多需要改變的地方。我認為大家都需要持續學習，對于參與者來說，你得看 paper，了解從后端到前端的算法、工程問題，你要去用很多產品。

對于 AI 產品的使用者來說，上手去做很重要。你需要輸入第一個 query，保持耐心。現在還不是 AGI 的時代，但越來越多的事情已經可以由 Agent 自動化來幫你完成了。你要學會在這個 human-in-the-loop（人在回路）的環境中快速交付結果，而不僅僅是提效。

如果你擁有更多專業編程知識的話，還可以去嘗試更加專業的開發工具。

我認為 AI 編程未來會變成「車與司機」的關系 —— 三十年前大家認為司機是個職業，但是現在基本上大家都能開車，未來自動駕駛出現，甚至都不需要開車了，編程這種技能會變得非常具有普適性。

15、下一步會是什么？能否透露一下 NoCode 未來的發展方向，美團是否會推出更多的生產力應用？

程大同：對于 NoCode 來講，我們會在近期持續提升穩定性與體驗，對模型進行持續的優化。更長期的看，發展方向可能會在于打通非專業到專業的 AI 開發自動化。我們希望能夠提出一個比較好的開發環境，在 IDE 領域進行探索。

我們可能在 6 月發布開發工具「Dev Mode」，實現更專業的 IDE，構建全量的代碼、編譯能力。

美團演示了正在開發的 Dev Mode 模式，向更專業需求提供了更加復雜的能力。

我們不知道 NoCode 會在市面上創造出怎樣的影響，但我覺得能有多少影響，就創造多少影響。能夠以務實的態度做好產品，聚焦效果，聚焦產品能力，我們的目標就是這樣。