“低代码”将干掉70%的软件开发工作?

简介: “低代码”将干掉70%的软件开发工作?

近几年,低代码很火,当然,相伴而生的争论也一直不休。

 

反对者称低代码为“行业毒瘤”,他们的担忧在于“如果低代码试图走很少很便宜的开发人员就能做开发的路线,那么实际运行的更多代码由谁来写呢?”,甚至觉得低代码就是“过家家”,最终会搞得一地鸡毛

 

而支持者将低代码奉为“银弹”,认为它可以:

1.屏蔽底层技术细节,减少不必要的技术复杂度,让技术人只关注核心的业务逻辑;

2.通过图形化拖拉拽的方式,替代原本编写代码的方式,能够降低大量工作量;

3.强大的平台能力支撑:现代化的技术架构和实现、零成本的技术升级和维护。


银弹也好,毒瘤也罢,争论背后暴露的问题是,传统 Pro Code 的开发模式与高速增长的业务需求之间产生的矛盾越来越尖锐,而低代码就是应运而生的一种解决方案。在 Gartner 的一项调研报告显示:超过 60% 的低代码开发平台用户是企业 IT 部门的专业开发者

 

对企业而言,低代码可以将原有数月甚至数年的开发时间成倍缩短,实现降本增效、灵活迭代的价值。理所当然地,资本也看上了这一块:

 

  • OutSystems 宣布获得 3.6 亿美元投资、估值过 10 亿美元
  • 腾讯推出的 OTeam 低代码平台,包含了 UI 可视化、逻辑可视化等;
  • 华为推出的低代码平台——云应用魔方 AppCube,在今年年初宣布全面投入商用
  • 阿里云宜搭负责人叶周全提到,基于低代码开发,企业应用的平均研发耗时从 17.5 人/天,缩减到 3.5 人/天,可为团队研发带来 500% 的提效

 

2021 年 5 月 28 日阿里云峰会

 

当然,低代码虽然是一场应用开发生产力革命,但并不会革掉程序员的饭碗。它去掉的只是难懂的编程语法、繁琐的技术细节和一切可自动化的重复性工作,并没有也无法去掉应用开发最核心的东西:严谨的业务逻辑、巧妙的算法设计、良好的工程风格等。

 

低代码已经在落地层面颇有成果,如今大部分的技术大会都有低代码主题,在刚刚结束的 2022 年巴塞罗那世界移动通信大会上,中兴通讯展示了一组由低代码平台开发的 App ,它酷炫的展示效果、丰富密集的交互功能、流畅的运行性能,打破了低代码平台只能开发出又丑又难用的 App 的刻板印象

 

公开的宣传材料展出了这组 App 的 UI 效果图

 

但说实话,以 50 分钟左右的演讲来分享低代码的实现经验,实在是杯水车薪,当前世界上又没有一个公认的低代码实现技术标准,或技术白皮书,所以对开发者来说,最合适的办法就是倾听别人的经验:

 

  • 一方面,低代码如何落地?落地中需要关注的关键步骤是什么?
  • 另一方面,新的技术趋势更像是特种兵,如何最大化优势,从而预见并规避一些问题?

 

那么,如何才能客观系统地了解低代码呢?

 

分享一张我近期看到的图,描绘得很清晰,不仅展示了编辑器的实现技术要点,还能了解到低代码平台的架构策略和思路,甚至还包括低代码模式对应用全生命周期的支持,插件系统和生态圈的打造等内容。分享给大家:

 

 

从这张图中看到,居中的低代码编辑器是低代码平台的核心功能模块,任何内置功能、扩展功能都是以它做为入口,它的能力基本决定了低代码平台的能力。

 

这张图出自《说透低代码》专栏,作者是中兴低代码开发平台 Awade 的架构师和负责人——陈旭,也是国内低代码领域最早“吃螃蟹”的人,上面提到的世界移动通信大会中的这组 App,就是中兴通讯采用他主导研发的 Awade 低代码平台开发的。

 

《说透低代码》专栏里,陈旭会基于自己研发的低代码平台,从架构设计到演进策略,到总体的技术选型思路等,为大家呈现一个可落地、可复用的低代码平台搭建思路。

 


 

专栏适合哪些人学习?

 

如果你是一位一线开发人员,从这门专栏中,你可以学习到低代码编辑器各主要功能模块的具体的架构方法,从而帮你提升架构能力,为未来独立架构一个功能模块做好准备。

 

如果你是一位架构师,从这门专栏中,你可以学习到如何恰当地设计低代码编辑器和编译器的关系和抽象,从而架构出一套具有高度通用性的低代码编辑器。

 

如果你是一位决策者,从这门专栏中,你可以学习到实现低代码平台过程中的各个阶段的特点,以及采取什么样的策略可以确保平台的演进始终确保朝着高通用性的方向演进。

 

专栏有哪些内容?

 

 

特色一:夯实认知基础

因为目前世界上低代码还没有明确的标准,所以最合适的办法就是倾听别人的经验,专栏详细给出了研发启动前需要准备好的“家底”,确保演进过程能让好钢都用到刀刃上,资源不发散、不做无用功。

 

特色二:搭建可落地思路

编辑器开发是低代码平台核心模块实现要点,占据了专栏的大部分篇幅,从技术实现角度详细给出了低代码编辑器的布局编辑器、属性编辑器、可视化编程编排、业务数据获取可能用到途径等的实现方法,提升平台效能。

 

特色三:平台功能拓展

专栏还会关注低代码平台开发能力之外的内容,分析低代码在业务开发全生命周期各个环节中应该起到的作用,如何实现与业务团队一起形成一个低代码生态圈。

 

特色四:专栏动态更新

因为技术总是会不断推陈出新、不断迭代。所以《说透低代码》是动态更新的专栏,第一阶段更新完后的 4 年之内,老师会以每年 5 讲的频率,继续更新,带你去看最新、最前沿的低代码技术动态。内容主要有这些方面:

 

  • 增加低代码平台在 UX、需求端的能力的技术实现要点,以及在交付端的测试、运行能力的技术实现要点;
  • 陈旭主导的低代码平台 Awade 的新技术、新场景、新应用,精选参考价值较高的部分更新到专栏中,分享出来;
  • 新业态剖析、相关开源技术实践与解析、新的调查机构报告解读等行业性内容。

 

具体内容,来看目录

 

 

一套真正意义上的低代码平台,能够覆盖软件研发全生命周期,带来工业级的效率提升,这将是一次不可逆转的、具有颠覆性的软件研发效率革命。身为技术人的我们一定要与时俱进,快人一步抓住风口。

 


相关文章
|
机器学习/深度学习 数据采集 算法
【Python机器学习】过拟合及其抑制方法讲解及实战(图文解释 附源码)
【Python机器学习】过拟合及其抑制方法讲解及实战(图文解释 附源码)
417 0
【Python机器学习】过拟合及其抑制方法讲解及实战(图文解释 附源码)
|
人工智能 计算机视觉 Python
【YOLOv8-Seg】实战二:LabVIEW+OpenVINO加速YOLOv8-seg实例分割
【YOLOv8-Seg】实战二:LabVIEW+OpenVINO加速YOLOv8-seg实例分割
1259 0
【YOLOv8-Seg】实战二:LabVIEW+OpenVINO加速YOLOv8-seg实例分割
|
移动开发 JSON 小程序
情人节福利,恋爱话术微信小程序它来了(开源,看了就懂~,2万字真香警告)
情人节福利,恋爱话术微信小程序它来了(开源,看了就懂~,2万字真香警告)
1472 0
情人节福利,恋爱话术微信小程序它来了(开源,看了就懂~,2万字真香警告)
|
4月前
|
人工智能 运维 数据可视化
2026年阿里云计算巢新手零基础部署OpenClaw(Clawdbot)保姆级教程
2026年,AI自动化代理技术迎来全民普及,OpenClaw(原Clawdbot、曾用名Moltbot)凭借“开源可控、自然语言驱动、插件化扩展”的核心特性,成为个人办公提效、轻量团队数字化转型的首选工具。它彻底打破传统AI“只对话不执行”的局限,通过标准化Skills(技能)生态,让AI具备网页自动化、邮件管理、代码开发、数据处理等具象化操作能力,真正实现“输入指令、全程自动化落地”的核心价值,被用户亲切称为“7×24小时不下班的AI数字员工”。
746 3
|
3月前
|
机器学习/深度学习 SQL 自然语言处理
数据智能体技术路线深度对比:本体神经网络 vs 预制指标平台
本文剖析数据智能体四大技术路径:RAG(简单但精度低)、NL2SQL(单表准、多表差)、预制指标(高维护成本、扩展性差)、本体神经网络(UINO首创,95%+准确率,维护成本线性增长)。推荐企业优先选择本体论路线,实现高精准、低成本、强扩展的AI原生问数。
数据智能体技术路线深度对比:本体神经网络 vs 预制指标平台
|
3月前
|
存储 人工智能 JavaScript
Tokens消耗直降72%+永不失忆!OpenClaw阿里云/本地零基础部署+记忆外挂Skill+百炼API及避坑指南
OpenClaw(原Clawdbot)作为开源AI智能体框架,核心价值在于“持久化记忆+自动化执行”,截至2026年3月,其GitHub星标已突破26万,社区活跃度极高,凭借插件化扩展与全场景适配能力,成为个人与轻量团队的首选AI助手框架。但原生记忆系统存在两大核心痛点:一是“健忘”,会话窗口满后会截断早期上下文,跨会话无法衔接信息;二是“高耗Token”,无差别存储所有对话内容,导致大模型调用成本飙升。
2127 4
.cer 文件添加到钥匙串报错:不能修改“System Roots”钥匙串
1、报错信息: 不能修改“System Roots”钥匙串: 要更改根证书是否会被信任,请在“钥匙串访问”中打开它,然后修改它的信任设置 2、网上搜索的答案都是: 钥匙串访问的界面左侧,选择“登录”或login按钮,直接将.
7158 0
|
人工智能 数据可视化 Java
完全私有化部署!一款开源轻量级网站防火墙!
完全私有化部署!一款开源轻量级网站防火墙!
|
机器学习/深度学习 人工智能 PyTorch
从零开始:如何训练自己的AI模型
### 从零开始:如何训练自己的AI模型 训练AI模型如同培养新生儿,需耐心与技巧。首先明确目标(如图像识别、自然语言处理),选择框架(TensorFlow、PyTorch)。接着收集并预处理数据,确保多样性和准确性。然后设计模型结构,如卷积神经网络(CNN),并通过代码实现训练。训练后评估模型性能,调优以避免过拟合。最后部署模型至实际应用。通过猫狗分类器案例,掌握关键步骤和常见问题。训练AI模型是不断迭代优化的过程,实践才能真正掌握精髓。