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

低代码和无代码工具的目标是实现编程的民主化。它们通过为各类应用程序提供模型或模板，并设定简单的机制，使得无需编写大量代码就能填充应用程序的细节信息。

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

人工智能在低代码/无代码优化中的作用因所涉及的步骤而有所不同。总体来说，低代码和无代码工具旨在确保公民开发者无需依赖运营专业人员或程序员来代表他们管理DevOps。实际上，许多热门的低代码和无代码工具都是集成了 DevOps 和敏捷开发功能的开发平台。人工智能作为功能集的最新成员，虽然尚未广泛应用，但在优化低代码/无代码中发挥着重要作用。

微软在积极推动其集成了人工智能的 Power Platform 服务。这个平台包括低代码工具 Power Apps，无代码的数据可视化工具 Power BI，以及工作流自动化平台 Power Automate。同样地，集成人工智能的低/无代码平台还包括 Appian Platform、Mendix Assist 和 Pega。它们在创建程序或脚本时，大多数都采用了副驾驶技术以增加人工智能功能。相比于那些在极少或不需要人工干预的情况下生成代码的工具，这些工具通常更易于使用且功能更强大。

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

对于没有统一低代码/无代码平台的组织来说，一个以全局可见性为核心，并融入了人工智能的运营平台是个不错的选择。许多无代码应用程序和一部分低代码应用程序在没有IT 运营团队监督和调度的情况下独立运行。这就意味着，对应用程序和资源级别的观察性能对于优化成本和提升体验质量具有至关重要的作用。Dynatrace 等搭载通用 AI 的平台能提供出色的全局应用程序和资源可见性。此外，还可以将 AI 工具添加到 Prometheus 等平台上。

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。

尽管无代码可能只提供有限的自定义选项，但它大部分依赖于预生成的元素。相对之下，低代码应用程序中的开发人员更倾向于使用如GitHub 的 Copilot 这样的工具，它们以副驾驶或助理的形式提供代码建议。这样的工具不仅可以作为低代码开发的辅助工具，也可以为通用开发提供帮助。实际上，通过生成式人工智能（GenAI）辅助编码可以被视为一种低代码方法。

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。

人工智能为中心的低代码和无代码方式在云环境中无需实际部署，这可以被视为低代码和无代码即服务的一种形式。到目前为止，这种方式在低代码/无代码技术中投入了最多的时间、金钱和资源，因此它有可能在未来占据主导地位。这种方法将传统的应用程序构建模型转变为了人工智能模型，这意味着用户实际上正在构建人工智能应用程序，而无需编写任何代码。

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。

本文由LowCode低码时代编译发布，如有侵权，请联系删除。

– END –

Contents

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

报告下载