对于经验丰富的专业人士而言,软件开发是一项错综复杂的任务。在这个领域中,面临的一个主要挑战就是软件需求大大超过了开发人员的数量。许多首席体验官都熟悉使用低代码或无代码的公民开发人员,同时也认识到人工智能可以提高这些非专业开发人员的工作质量。此外,一些人还发现低代码和无代码技术可以优化 DevOps,同时人工智能也能加强两者之间的协同关系。
本文将深入探讨低代码和无代码在 DevOps 中的作用,以及团队如何将 AI 与这些软件开发方法相结合。
01
DevOps 环境中的低代码和无代码
这两种工具的主要区别在于,它们能在多大程度上使开发者摆脱对传统编程语言的依赖。然而,反过来看,这也限制了这些工具支持的应用程序开发范围。
从 DevOps 角度看,低代码和无代码工具产生了一种独特的平衡,即在提高一致性的同时,降低了对代码整体的控制。低代码和无代码开发平台倾向于基于特定模型生成代码,而针对这些代码的测试和部署注意事项往往更侧重于模型特性,而非应用程序本身,尤其是在无代码开发中。因此,部署过程变得相对标准化,特别是对于无代码方案。在与人工智能结合时,低代码和无代码开发在 DevOps 环境中的关注点类似,但影响范围更广。无论是采用低代码还是无代码方法,团队在专注于这两种方法中的任何一种时,都能充分利用人工智能带来的好处。
首先,可以选择集成人工智能的低代码或无代码平台;其次,可以选择一个内置人工智能的应用程序可观察性平台,团队可以在其中部署特定的 DevOps 工具。
02
人工智能辅助发展的作用
例如,Power Apps 的用户发现其 AI 副驾驶功能极具价值。无代码工具 Power BI 中的 AI 也同样有用,尽管由于无代码工具的使用通常更侧重于图形化或表单,某些用户可能不会觉得在这里使用 AI 特别有帮助。
从 DevOps 角度来看,采用任何低代码/无代码平台工具都存在一定的局限性,因为它们可能无法像独立工具那样轻松地融入各种 DevOps 工作流程。然而,在无代码开发场景中,这个问题不太可能显现,因为在这种情况下,专业开发人员以及他们的工具和工作流程很少参与。对于低代码平台来说,由于开发团队可能会用它来完成日常任务,确保它能够与其他工作流程元素顺畅集成变得尤为重要。
03
在低代码/无代码开发中实施人工智能
进一步来说,无论是低代码还是无代码技术,普遍采用的是组件拖放模型、表格/表单模型或向导/助手模型。低代码提供了更高的灵活性和敏捷性,因为它允许开发人员用传统编程工具创建组件。一旦这些组件创建完成,它们就可以被添加到已组装的物品清单中,进而构建出应用程序。
转向无代码方面,现在的趋势更多的是依赖于基于人工智能的可视化和文档生成,而非传统的无代码技术增强。人工智能在这个领域的角色是推动以结果为导向的方法,使得无代码的人工智能更像是一种数据分析策略,而非一种开发策略。
正如生成式人工智能编码可以被视为一种低代码方法一样,许多云端或作为离散软件提供的 AI/ML 应用程序也采用了低代码或无代码的形式。例如,Akkio、Amazon SageMaker、Apple Create ML、Google AutoML 以及一系列基于 GPT 的发展中工具,它们能够通过数据生成图表和表格,这实际上可以被看作是一种人工智能进化的无代码形式。
DevOps 是一种将开发和部署联系在一起的工作流程,它得到了低代码和无代码技术的支持,这些技术帮助公民开发人员和 DevOps 专业人员构建基础应用程序。人工智能在当前的技术发展中扮演着重要角色,并预计在未来将发挥更大的作用。人工智能还可以用于增强 DevOps 流程中的测试、部署和管理任务。在涉及到这些任务时,使用集成了人工智能的工具而不是单独使用人工智能,通常是最佳的实践方式。
– END –
报告下载
![](http://static-img-job.rpa-cn.com/lowcode/2023/10/20231011200125637.jpeg)
大佬观点