《信息系统分析与设计》· 数字教材 智能体实战主线 · 信息资源管理专业

第 8 章 低代码应用开发与 AI 编程

从"对话伙伴"到"产品形态":让智能体可部署、可交互。本章掌握低代码应用开发流程、事件绑定与 AI 编程(描述即开发)。

第一部分 课程导学

导语 · 本章定位

智能体是"对话伙伴",低代码应用是"产品形态"。当用户要的不只是聊天,而是带界面、能填表、出报告的系统,就需要低代码应用与 AI 编程。本章把智能体能力封装为可部署的产品,让非计算机专业也能交付完整应用——这正是信息资源管理学生的"产品化"跃迁。

三维学习目标
知识
理解低代码应用特点;掌握开发流程;了解 AI 编程模式。
能力
能设计简单应用 UI 并绑定事件;能发布到多端;能用自然语言开发 AI 项目。
价值
培养产品化思维;培养创新精神与动手能力;树立成本与数据合规意识。

理论基石 · 信息系统分析与设计

理论 · 软件开发方法演进

结构化(瀑布/SDLC)→ 面向对象(OOA/OOD、UML、构件化)→ 敏捷/Scrum(迭代增量、用户故事、看板)→ DevOps(CI/CD)→ 低代码(模型驱动、可视化、描述即开发)。

理论 · 软件工程核心概念

过程模型(瀑布/V/增量/螺旋/敏捷);原型法(抛弃型验证需求、演化型长成系统);架构模式(MVC/MVVM 关注点分离);低代码理论(MDD 模型驱动、可视化编程)。

理论 · 低代码与 AI 编程的定位

低代码/无代码以模型与可视化代替手写代码;AI 编程以自然语言即规格、模型生成/修改/调试代码;二者叠加让非计算机专业也能快速交付应用。治理要点:可维护性、可移植性、厂商锁定与标准兼容。

理论 ↔ 智能体能力 映射
方法演进(结构化→OO→敏捷→DevOps) ↔ 低代码与 AI 编程是交付新阶段
原型法(抛弃/演化) ↔ 低代码拖拽快速出可交互原型,边看边改
过程模型(V/螺旋/敏捷) ↔ Agentic Coding:描述—生成—对话修正迭代
MVC/MVVM ↔ 低代码 UI—逻辑—数据三层关注点分离
MDD 模型驱动 ↔ 自然语言即模型,AI 直接生成与修改代码
理论可视化 · 信息系统相关图形(4 幅)
结构化 面向对象 敏捷/Scrum DevOps 低代码/AI 图1 软件开发方法演进时间线(结构化→低代码/AI 编程)
智能体 核心:对话(LUI) 快速搭建、对话强 适用:客服/问答/助手 低代码应用 核心:独立 UI + 业务逻辑 可部署 Web/小程序/API 适用:表单/流程/报告 按场景选择交付形态:对话伙伴 vs 产品化应用 图2 智能体 vs 低代码应用(形态对比)
视图 View(UI 层) 控制器 Controller(逻辑层) 模型 Model(数据层) . 图3 MVC 架构:视图/控制器/模型 三层关注点分离
UI 组件层页面/表单/图表 逻辑层工作流/事件 数据层变量/数据库 AI 生成层自然语言→代码 集成服务模型/存储/搜索 UI→逻辑→数据 三层,由 AI 生成层与集成服务供给能力 图4 UML 组件图:低代码应用架构(UI/逻辑/数据 + AI 生成层)
经典方法论对照 · 实施工程

原版 ch15 的好程序标准、程序内部文档、调试、持续集成 CI、测试级别、部署/SaaS/系统迁移(ch15);低代码把"写代码"降为"拖拽+提示词",但工程纪律不变:版本管理、可测试、可部署仍是硬要求。详见 附录 H 与 ch09。

课程思政 · 价值引领

前沿动态 · 行业速递(2026-08)
动态更新 2026-08

1 2026 下半年 AI 编程工具横评:Claude Code(委派优先、1M 上下文)、Cursor(协作优先、多模型)、Trae(国内免费、中文友好)、Copilot。

2 “Builder 模式”使 MVP 搭建门槛极低:从点子到上线从数月缩短到数天。

3 对低代码启示:会写代码不再是核心竞争力,架构设计与需求拆解才是;低代码 + AI 编程把“能用代码解决问题”前置给非专业开发者。

来源:CSDN 2026 下半年 AI 编程工具横评、Anthropic 编码趋势报告

精神坐标 · 人民日报金句
"山再高,往上攀,总能登顶;路再长,走下去,定能到达。"——人民日报金句库
"凯歌而行,不以山海为远;乘势而上,不以日月为限。"

本章映射:低代码与 AI 编程是软件工程的"新质生产力"。从"描述—生成—对话修正"的闭环,靠的是敢闯敢试的创新与脚踏实地的躬行——路再长,走下去定能到达。

名校范式 · 清华课程思政案例
🎓 清华 马昱春《计算机程序设计基础》国家级课程思政示范课 + 刘玉身 AI 博弈:"P-PMCO"混合式教学——以项目(Project)导向贯穿各环节,实现"知识传授→能力培养→价值塑造";AI 赋能,大一即思考"让程序自己做决策"。

本章映射:低代码与 AI 编程是软件工程的"新质生产力",也是"项目导向 + 价值塑造"的新工科范式。从"描述—生成—对话修正"闭环,靠的是躬身实践与敢闯敢试的创新。

课程思政案例 · IMA 知识库

自主可控与工程诚信:AI 编程不是"拿来主义"

  • AI 编程"描述即开发"极大提效,但也可能滋生"华而不实、无中生有"的工程形式主义。
  • 把"卡脖子"变成"自主可控",前提是自己理解生成的每一行逻辑。
来源:IMA 知识库《课程思政示范案例》· 科技自立自强主线;陈翠《人工智能赋能学校教科研管理》 本章映射:用 AI 生成低代码应用/代码时,要能读懂、能复核、能标注来源;把"别人生成的"变成"自己负责的"——这是信息资源管理者的工程诚信。

案例导入 · AI 软件工厂 SDD 实践

案例 B3-03 AI 软件工厂SDD 提效实践
申报单位:杭州网易智企科技有限公司

抱谷科技作为企业数智化转型服务商,在AI Coding 落地中面临AI 幻觉导致质量失控、工具链分散管理困难、交付效率与质量难兼得三大挑战。基于网易智企CodeWave SDD 平台,抱谷科技采用“规约驱动开发 (Spec-Driven Development)”理念,构建了标准化“AI 软件工厂”。平台通过需求分析Agent、架构设计Agent、代码生成Agent、测试生成Agent、部署配置Agent 等多阶段协同智能体,覆盖需求→设计→开发→测试→发布全链路。每阶段采用“AI 辅助生成+ 人工审核决策” 的人机协同模式,并设置刚性质量门禁。

导学解读 · 与本章的对接:低代码 + AI 编程最常见的失败姿势是“直接让 AI 写代码”。本案例给出的解药是 SDD(Spec-Driven Development,规约驱动开发):先由需求分析 Agent 产出结构化 PRD,架构设计 Agent 产出数据库设计与接口文档,再进入代码生成,每一阶段都保留“AI 辅助生成 + 人工审核决策”的刚性质量门禁——也就是“先画图纸,再盖房子”。这与本章的低代码方法论完全一致:低代码的真正价值不在“少写代码”,而在把设计资产结构化、可复用。案例以 NASL 统一技术栈消除 AI 生成代码的框架漂移与风格混乱,更点破了 AI 编程的质量命门——约束先行,生成在后。

第二部分 课程内容

8.1 智能体 vs 低代码应用

维度智能体低代码应用
交互核心对话(LUI)独立 UI + 复杂业务逻辑
能力快速搭建、对话强可部署 Web/小程序/API
适用客服、问答、个人助手多步骤流程、表单、报告
形态功能相对单一的 AI 伙伴产品化的完整 AI 应用
课件第 109 页
课件第 113 页
课件第 114 页
课件第 115 页
课件第 116 页
课件第 117 页
课件第 119 页
课件第 120 页
课件第 121 页
课件第 122 页
课件第 123 页
课件第 125 页
课件第 126 页
课件第 282 页
课件第 283 页
课件第 284 页
课件第 285 页
课件第 286 页
课件第 287 页
课件第 288 页
课件第 293 页
课件第 296 页
课件第 297 页
课件第 298 页
课件第 300 页
课件第 301 页
课件第 302 页
课件第 303 页
课件第 306 页
课件第 308 页
课件第 310 页

8.2 低代码应用开发流程

  1. 创建项目:登录→项目开发→创建空白应用,AI 自动生成图标,进入 IDE。
  2. 编排逻辑:用工作流/对话流处理业务;低代码应用内工作流无须单独发布即可调用,用"试运行"调试。
  3. 设计界面:拖曳组件 + 事件绑定;选择桌面网页/小程序/H5。
  4. 测试发布:预览实时测试→输入版本号与描述发布到商店/社交/API。
  5. 资源管理:空间资源库(共享) vs 应用资源库(独享);应用变量连接 UI 与数据流。
课件第 108 页
课件第 281 页
课件第 289 页
课件第 290 页
课件第 291 页
课件第 292 页
课件第 294 页
课件第 295 页
课件第 299 页
课件第 304 页
课件第 305 页
课件第 307 页
课件第 309 页
课件第 311 页

8.3 用户界面与事件绑定

前端低代码编辑器:左资源/组件、中画布、右属性+事件。事件绑定(前后端联动):选中按钮→事件"点击时"→执行"调用工作流"→参数绑定组件值。应用变量是 UI↔工作流的桥梁(内存变量,每次执行恢复默认)。多端适配:桌面网页/小程序/H5 一套逻辑多端运行。调试台"时间线"可追溯触发组件、事件、动作、耗时。

课件第 110 页
课件第 111 页
课件第 112 页
课件第 118 页
课件第 124 页

8.4 AI 编程模式:描述即开发

① 自然语言描述:像点菜下单,AI 几分钟生成完整项目(需求五要素:功能/界面/输入/输出/特殊要求);② 生成→调试→部署:描述—预览—对话修正闭环,产物是代码文件可实时编辑;③ 技能与集成服务:Skill=可见工具,集成服务=底层实现(模型/数据库/存储/搜索);④ 版本控制:每次对话修改自动生成历史版本,可回滚;⑤ 开发环境:Web 云端 IDE(代码编辑器/终端/沙箱)。局限:需求描述依赖强、复杂项目需拆解——建议从低代码入手再过渡。

8.5 低代码应用实战要点

数据绑定:组件内容绑定工作流返回变量;"数据"选项卡新建界面变量解决跨页面传参。组件库:基础/输入/展示/AI 对话组件。预览调试闭环:预览→时间线追事件→"试运行"验证工作流。多端发布:单击发布到商店/小程序/Web。常见坑:模型下线改新版;页面直接调工作流拿不到参数(改用界面变量绑定)。

第三部分 拓展练习

知识拓展与前沿

前沿 · AI 编程助手全景

GitHub Copilot(深度集成 VS Code)、Claude Code(终端自然语言编程、无交互 CI)、Cursor(AI 原生编辑器、理解整库)、Trae(轻量快速、频繁迭代)。

拓展 · 从"生成代码"到"自主开发"

非 Agent 编程助手仅按模型生成代码;Agent 编程助手执行代码→读错误→迭代优化,可提交/发 PR,能把错误编码入长期记忆。低代码 + AI 编程让信息资源管理专业学生也能快速交付应用。

📚 来源:ima 知识库《智能体宇宙》《AI前沿研究报告》(2026 Agentic Coding Trends Report)。

🗂️ 案例 · 低代码搭"鸡汤生成 / 鉴别器"

  • 🎯 场景:用 Coze / 低代码平台,半小时拖出一个"鸡汤生成器"或"流行语小测验"小程序,无需写代码。
  • ⚙️ 低代码落点:拖拽"输入→知识库检索→生成→展示"四个节点完成原型;体会"低代码解决 80% 标准化场景",但复杂算法仍需回到 Python。
  • 🤖 鉴别器(批判性教学):用规则给"鸡汤浓度 / AI 味"打分(排比密度 + 空话词表 + 正能量极性过高),呼应本团队《AIGC 数据保全研究》。
💡 算法冷知识:何时用低代码、何时写代码?经验法则——标准化表单/问答用低代码;自训练分类器、图谱计算等专业算法用 Python。这正是"系统选型"的核心权衡。

📌 低代码与 AI 编程 · 核心术语

  • 低代码
  • 事件绑定
  • AI 编程
  • 组件
  • 数据绑定
前沿文献 · 近三年精选(2023–2026)

以下文献反映本章主题在智能体时代的最新进展,供学有余力的同学延伸阅读(链接指向原文/预印本)。

🎓 学界观点:李广建等(2025)讨论了低代码平台在信息服务机构应用系统开发中的适用性;张兴旺等(2024)指出无代码 / 低代码的范式价值与固有局限。这说明:低代码是软件工程的“新质生产力”,但发布仍须纳入版本与变更治理。
💡 软考/职业考点:本章对应软考高项「实施阶段 / 配置与变更管理(第19章)」。低代码发布须纳入版本与变更管理。
本章学习方法 · 做中学(Project-Based Learning)

核心理念:在真实项目里边做边学,比先学完再练记得牢;每完成一个可运行的小产品,能力就长一块。

四步/要点:① 定小目标先要一个可运行的最小产品 ② 拆最小版切出最小可用功能,尽快跑通 ③ 边做边查遇到卡点即时查、即时验证 ④ 复盘沉淀做完复盘,沉淀为可复用模板

与录屏结合:录屏时,从「我要做一个 XX 应用」出发,边拖组件边讲解,展示做中学的全过程。

知识巩固与提高

上机实验 · 升级为低代码应用 / AI 编程

📋 实验任务书

目标:将前期智能体交付为可部署的低代码应用,或体验 AI 编程。

环境:扣子 Coze 低代码应用 / AI 编程模式。

步骤:① 设计界面并绑定按钮事件调用工作流;② 预览测试、发布到商店/Web 验证多端;③ 或自然语言描述 Web 应用观察闭环;④ 查看历史版本。

交付物:应用界面截图(或 AI 编程项目结构)+ 事件绑定说明 + 发布链接。

评分点:界面设计(25%) · 事件绑定(30%) · 发布多端(25%) · 版本理解(20%)。

🛠 分步操作 · 把智能体升级为低代码应用 / AI 编程

动手 · 分步操作
  1. 将前期智能体升级为低代码应用:设计桌面/移动端界面,绑定按钮事件调用工作流。
  2. 预览测试,发布到 Coze 商店或 Web,验证多端一致性。
  3. 或体验 AI 编程:用自然语言描述一个简单 Web 应用(如天气/博客生成器),观察"描述→生成→部署"。
  4. 查看自动生成的历史版本,理解版本控制。
📝 事件绑定示例

选中「生成周报」按钮 → 事件「点击时」→ 动作「调用工作流 weekly_report」→ 参数绑定 Markdown 组件内容 = 工作流返回变量 output。

🔬 扩展实验(选做 2–3 项,巩固本章学法)

扩展实验 1 · 事件绑定实战前端

任务:给按钮绑定「点击调用工作流」,对比「无事件 vs 有事件」的交互差异。

交付:费曼式讲清前后端联动,录屏演示。

扩展实验 2 · AI 编程描述AI 编程

任务:用自然语言描述一个应用让 AI 生成,再对话式修正。

交付:录屏展示「描述即开发」闭环,总结提示技巧。

扩展实验 3 · 前端低代码UI

任务:用组件库搭一个表单页。

交付:讲清「容器 / 列表 / AI 对话组件」如何拼出界面,录屏演示。

🎮 课堂互动小游戏 · 边玩边学

提示:游戏需联网访问本站;若未显示,可点此在新标签页打开。

第四部分 本章小结

本章小结

核心要点回顾

  • 智能体=对话核心;低代码应用=产品化完整形态。
  • 开发流程:创建→编排→界面→测试→发布。
  • 事件绑定连接前端 UI 与后端工作流。
  • AI 编程:自然语言描述即开发,闭环迭代。
  • 技能(Skill)=可见工具,集成服务=底层实现。
  • 下一章:实施、测试与项目管理——收尾与综合项目。

延伸阅读:ima 知识库《智能体宇宙》"AI 编程助手全景""从生成代码到自主开发";软件开发方法演进与软件工程核心概念相关教材;清华 P-PMCO 课程思政范式。

拓展案例 · 京点点 Oxygen Vision

案例 B3-24 京点点Oxygen Vision 设计智能体
申报单位:京东零售

京点点Oxygen Vision (ai.jd.com) 是零售行业首个全自动AI 设计智能体,基于京东多模态AIGC 技术、零售大数据与合规体系构建,面向商家、采销提供零门槛、全自动、商用级素材生产服务。智能体具备商品图生成、视频生成、AI 模特、AB 试验、智能分析五大能力,可覆盖90% 零售设计场景,实现“输入即生成、生成即商用”。通过人机协同模式,大幅降低设计门槛,提升内容生产效率。目前已服务超100 万商家,素材成本降低99%,提升商家综合运营效率10 倍以上,是零售AIGC 智能体规模化落地的典型范例。

看点:京点点用“慢思考拆解设计蓝图 + 快思考并行生成”把创意生产流程化,并把结果直接推到商用。请关注它如何把“生成”与“评估”放进同一条自动化链路。

延伸思考题

  1. 京点点的“慢思考(任务拆解与蓝图设计)/快思考(并行生成执行)”双速架构,与低代码平台中“设计时/运行时”的分离有何相似之处?请各举一个例子说明。
  2. 案例称素材成本降低 99%、商家综合运营效率提升 10 倍以上。请设计一套验证这两个数字的评测方案(须说明指标、样本、对照与周期)。
  3. 若把 AI 生成的商品图直接投入商用,会涉及哪些合规风险?请结合零代码平台的发布流程,提出三道上线前的检查关卡。
← 返回门户