在之前的文章中多次提到我們在開發一款低代碼平臺，主要面向 ToB 企業，幫助企業完善信息化建設，給企業的數字化轉型貢獻一份力量。
數字化轉型的目標是降本增效，同樣，效率對我們來說也至關重要，主要體現在：售前能快速提供原型和客戶溝通、實施過程中能高效交付、售后遇到的各種問題能立馬找到答案。
最近，ChatGPT 持續火熱，每天在推上都能發現新的應用，那么 ChatGPT 和我們的低代碼產品能結合嗎？或者說這種大語言模型的思路能給低代碼帶來怎樣的效率提升？
其實一些巨頭已經這樣做了。
Salesforce 宣布推出新產品 EinsteinGPT，這是一種基于 LLM 技術的產品，它與 Salesforce 的主要網絡應用程序集成，利用 OpenAI ChatGPT 模型來幫助跟蹤銷售人員聯系潛在客戶的頻率，并自動編寫營銷電子郵件，無需手動編寫電子郵件。
另一方面，微軟也宣布將 ChatGPT 技術擴展到 Power Platform 平臺上。Power Platform 是微軟的一款低代碼產品，在《最近看了兩本低代碼的書》中有介紹。這意味著 Power Platform 上的 Power 虛擬代理和 AI Builder，都已經更新了 ChatGPT 編碼功能，使用戶可以在很少甚至不用編寫代碼的情況下，開發自己的應用程序。
Salesforce 將其應用在業務能力上，微軟則在平臺能力上進行了增強。對我們來說，售前和實施中需要的是能快速搭建應用，售后需要快速解決問題，所以有兩個方向可以去做：
1、應用搭建效率的提升。
2、構建智能問答系統。
目前項目實施的步驟如下：
- 需求分析師和客戶溝通完后，整理出需求文檔。
- 需求分析師對搭建工程師和開發進行需求宣講。
- 可以通過配置實現的部分由搭建工程師進行搭建配置，其他部分由開發人員進行定制開發然后和平臺進行集成。
讓低代碼產品集成了 ChatGPT 的能力后，系統就會變成這樣：
- 系統具備理解自然語言的能力。
- 需求分析和客戶聊完形成的文檔本身就是自然語言描述的。
- 在系統中有聊天對話框和進行交互。
- 在對話框輸入需求描述，能夠識別關鍵信息，關鍵信息包括接口識別、參數提取。
- 調用平臺接口進行應用的創建，或者局部功能調整。
- 就這樣聊著天把系統給做完了。
例如：在對話框中輸入，將當前列表的項目名稱這一列寬度調整到 500 ，這時就需要能識別參數：項目名稱和寬度 500，而且知道需要調用調整列寬的接口。
現有的低代碼平臺在后臺做完各種配置后，點擊保存后，前端收集所有數據傳遞給接口，接口的顆粒度比較粗，一次性會存儲很多內容，但上面例子中調整一個列的列寬設置就需要一個接口，這就需要接口的顆粒度非常細，所以，改造接口顆粒度是實現智能化的第一步。
上面說結合 ChatGPT 的能力，并不是直接對接 ChatGPT 的接口，所以說要實現還是相當有難度的。不過一個新的技術興起到完全在 ToB 市場中普及，是有一個時間周期的，只要方向沒錯，完全有這個準備的時間。
目前在項目實施過程中存在幾個問題，這也是為什么一個智能問題系統很重要的原因：
- 因為平臺功能多、非常靈活，以至于同樣的需求不同的人去實現，方法和途徑是不一樣的，工作量可能有好幾倍的差距；
- 實施過程中遇到的各種產品問題，需要找熟悉的同事詢問，或者咨詢產品團隊。
現在的方式就是通過文檔搜索，這些年也沉淀了非常多的文檔，比如：業務場景案例、操作手冊、實施常見問題手冊等，不過是基于關鍵字搜索的，用關鍵字搜索有幾個問題：
- 很多時候不知道怎么提取關鍵字。
- 搜索的結果非常多，不能精準匹配，隨著文檔的增多，需要在大量的結果中去篩選。
- 針對某個業務場景去尋找搭建方案，匹配度非常差。
如果按照 ChatGPT 的思路，智能問答系統的邏輯就是這樣的：
- 所有沉淀的文檔（語料庫）生成向量數據存儲到向量數據庫。
- 輸入的自然語言生成向量，計算相似度，找到相關結果。
- 整理輸出。
針對這個問題，我在知識星球問過張善友大佬，下面的圖就是張善友提供的：
寶玉在推上也回答過類似的問題：
https://Twitter-thread.com/t/1641656561650249730。
不過張善友和寶玉提供的參數都是依賴 OpenAI 的接口，如果不依賴 OpenAI，有辦法實現嗎？這需要進一步去學習和研究。
最近看到 Supabase 產品的文檔就提供了 AI 問答（https://supabase.com/docs），這個效果就是我想要達到的，總結下就是根據自然語言的輸入，給一個精準的答案。
未來已經到來，不管是產品還是個人，都需要持續不斷地學習和進化，才能不被淘汰。
