国产精品高清一区二区,久久www免费人成看片高清,久久综合亚洲

對于經(jīng)驗豐富的專業(yè)人士而言，軟件開發(fā)是一項錯綜復雜的任務(wù)。在這個領(lǐng)域中，面臨的一個主要挑戰(zhàn)就是軟件需求大大超過了開發(fā)人員的數(shù)量。許多首席體驗官都熟悉使用低代碼或無代碼的公民開發(fā)人員，同時也認識到人工智能可以提高這些非專業(yè)開發(fā)人員的工作質(zhì)量。此外，一些人還發(fā)現(xiàn)低代碼和無代碼技術(shù)可以優(yōu)化 DevOps，同時人工智能也能加強兩者之間的協(xié)同關(guān)系。

本文將深入探討低代碼和無代碼在 DevOps 中的作用，以及團隊如何將 AI 與這些軟件開發(fā)方法相結(jié)合。

01 DevOps 環(huán)境中的低代碼和無代碼

低代碼和無代碼工具的目標是實現(xiàn)編程的民主化。它們通過為各類應(yīng)用程序提供模型或模板，并設(shè)定簡單的機制，使得無需編寫大量代碼就能填充應(yīng)用程序的細節(jié)信息。

這兩種工具的主要區(qū)別在于，它們能在多大程度上使開發(fā)者擺脫對傳統(tǒng)編程語言的依賴。然而，反過來看，這也限制了這些工具支持的應(yīng)用程序開發(fā)范圍。

從 DevOps 角度看，低代碼和無代碼工具產(chǎn)生了一種獨特的平衡，即在提高一致性的同時，降低了對代碼整體的控制。低代碼和無代碼開發(fā)平臺傾向于基于特定模型生成代碼，而針對這些代碼的測試和部署注意事項往往更側(cè)重于模型特性，而非應(yīng)用程序本身，尤其是在無代碼開發(fā)中。因此，部署過程變得相對標準化，特別是對于無代碼方案。

在與人工智能結(jié)合時，低代碼和無代碼開發(fā)在 DevOps 環(huán)境中的關(guān)注點類似，但影響范圍更廣。無論是采用低代碼還是無代碼方法，團隊在專注于這兩種方法中的任何一種時，都能充分利用人工智能帶來的好處。

首先，可以選擇集成人工智能的低代碼或無代碼平臺；其次，可以選擇一個內(nèi)置人工智能的應(yīng)用程序可觀察性平臺，團隊可以在其中部署特定的 DevOps 工具。

02 人工智能輔助發(fā)展的作用

人工智能在低代碼/無代碼優(yōu)化中的作用因所涉及的步驟而有所不同。總體來說，低代碼和無代碼工具旨在確保公民開發(fā)者無需依賴運營專業(yè)人員或程序員來代表他們管理DevOps。實際上，許多熱門的低代碼和無代碼工具都是集成了 DevOps 和敏捷開發(fā)功能的開發(fā)平臺。人工智能作為功能集的最新成員，雖然尚未廣泛應(yīng)用，但在優(yōu)化低代碼/無代碼中發(fā)揮著重要作用。

微軟在積極推動其集成了人工智能的 Power Platform 服務(wù)。這個平臺包括低代碼工具 Power Apps，無代碼的數(shù)據(jù)可視化工具 Power BI，以及工作流自動化平臺 Power Automate。同樣地，集成人工智能的低/無代碼平臺還包括 Appian Platform、Mendix Assist 和 Pega。它們在創(chuàng)建程序或腳本時，大多數(shù)都采用了副駕駛技術(shù)以增加人工智能功能。相比于那些在極少或不需要人工干預的情況下生成代碼的工具，這些工具通常更易于使用且功能更強大。

例如，Power Apps 的用戶發(fā)現(xiàn)其 AI 副駕駛功能極具價值。無代碼工具 Power BI 中的 AI 也同樣有用，盡管由于無代碼工具的使用通常更側(cè)重于圖形化或表單，某些用戶可能不會覺得在這里使用 AI 特別有幫助。

從 DevOps 角度來看，采用任何低代碼/無代碼平臺工具都存在一定的局限性，因為它們可能無法像獨立工具那樣輕松地融入各種 DevOps 工作流程。然而，在無代碼開發(fā)場景中，這個問題不太可能顯現(xiàn)，因為在這種情況下，專業(yè)開發(fā)人員以及他們的工具和工作流程很少參與。

對于低代碼平臺來說，由于開發(fā)團隊可能會用它來完成日常任務(wù)，確保它能夠與其他工作流程元素順暢集成變得尤為重要。

03 在低代碼/無代碼開發(fā)中實施人工智能

對于沒有統(tǒng)一低代碼/無代碼平臺的組織來說，一個以全局可見性為核心，并融入了人工智能的運營平臺是個不錯的選擇。許多無代碼應(yīng)用程序和一部分低代碼應(yīng)用程序在沒有IT 運營團隊監(jiān)督和調(diào)度的情況下獨立運行。這就意味著，對應(yīng)用程序和資源級別的觀察性能對于優(yōu)化成本和提升體驗質(zhì)量具有至關(guān)重要的作用。Dynatrace 等搭載通用 AI 的平臺能提供出色的全局應(yīng)用程序和資源可見性。此外，還可以將 AI 工具添加到 Prometheus 等平臺上。

進一步來說，無論是低代碼還是無代碼技術(shù)，普遍采用的是組件拖放模型、表格/表單模型或向?qū)?助手模型。低代碼提供了更高的靈活性和敏捷性，因為它允許開發(fā)人員用傳統(tǒng)編程工具創(chuàng)建組件。一旦這些組件創(chuàng)建完成，它們就可以被添加到已組裝的物品清單中，進而構(gòu)建出應(yīng)用程序。

盡管無代碼可能只提供有限的自定義選項，但它大部分依賴于預生成的元素。相對之下，低代碼應(yīng)用程序中的開發(fā)人員更傾向于使用如GitHub 的 Copilot 這樣的工具，它們以副駕駛或助理的形式提供代碼建議。這樣的工具不僅可以作為低代碼開發(fā)的輔助工具，也可以為通用開發(fā)提供幫助。實際上，通過生成式人工智能（GenAI）輔助編碼可以被視為一種低代碼方法。

轉(zhuǎn)向無代碼方面，現(xiàn)在的趨勢更多的是依賴于基于人工智能的可視化和文檔生成，而非傳統(tǒng)的無代碼技術(shù)增強。人工智能在這個領(lǐng)域的角色是推動以結(jié)果為導向的方法，使得無代碼的人工智能更像是一種數(shù)據(jù)分析策略，而非一種開發(fā)策略。

正如生成式人工智能編碼可以被視為一種低代碼方法一樣，許多云端或作為離散軟件提供的 AI/ML 應(yīng)用程序也采用了低代碼或無代碼的形式。例如，Akkio、Amazon SageMaker、Apple Create ML、Google AutoML 以及一系列基于 GPT 的發(fā)展中工具，它們能夠通過數(shù)據(jù)生成圖表和表格，這實際上可以被看作是一種人工智能進化的無代碼形式。

人工智能為中心的低代碼和無代碼方式在云環(huán)境中無需實際部署，這可以被視為低代碼和無代碼即服務(wù)的一種形式。到目前為止，這種方式在低代碼/無代碼技術(shù)中投入了最多的時間、金錢和資源，因此它有可能在未來占據(jù)主導地位。這種方法將傳統(tǒng)的應(yīng)用程序構(gòu)建模型轉(zhuǎn)變?yōu)榱巳斯ぶ悄苣Ｐ停@意味著用戶實際上正在構(gòu)建人工智能應(yīng)用程序，而無需編寫任何代碼。

DevOps 是一種將開發(fā)和部署聯(lián)系在一起的工作流程，它得到了低代碼和無代碼技術(shù)的支持，這些技術(shù)幫助公民開發(fā)人員和 DevOps 專業(yè)人員構(gòu)建基礎(chǔ)應(yīng)用程序。人工智能在當前的技術(shù)發(fā)展中扮演著重要角色，并預計在未來將發(fā)揮更大的作用。人工智能還可以用于增強 DevOps 流程中的測試、部署和管理任務(wù)。在涉及到這些任務(wù)時，使用集成了人工智能的工具而不是單獨使用人工智能，通常是最佳的實踐方式。

本文由LowCode低碼時代編譯發(fā)布，如有侵權(quán)，請聯(lián)系刪除。

繼續(xù)閱讀：