在之前的文章中多次提到我们在开发一款低代码平台,主要面向 ToB 企业,帮助企业完善信息化建设,给企业的数字化转型贡献一份力量。
数字化转型的目标是降本增效,同样,效率对我们来说也至关重要,主要体现在:售前能快速提供原型和客户沟通、实施过程中能高效交付、售后遇到的各种问题能立马找到答案。
最近,ChatGPT 持续火热,每天在推上都能发现新的应用,那么 ChatGPT 和我们的低代码产品能结合吗?或者说这种大语言模型的思路能给低代码带来怎样的效率提升?
其实一些巨头已经这样做了。
Salesforce 宣布推出新产品 EinsteinGPT,这是一种基于 LLM 技术的产品,它与 Salesforce 的主要网络应用程序集成,利用 AI target=_blank class=infotextkey>OpenAI ChatGPT 模型来帮助跟踪销售人员联系潜在客户的频率,并自动编写营销电子邮件,无需手动编写电子邮件。
另一方面,微软也宣布将 ChatGPT 技术扩展到 Power Platform 平台上。Power Platform 是微软的一款低代码产品,在《最近看了两本低代码的书》中有介绍。这意味着 Power Platform 上的 Power 虚拟代理和 AI Builder,都已经更新了 ChatGPT 编码功能,使用户可以在很少甚至不用编写代码的情况下,开发自己的应用程序。
Salesforce 将其应用在业务能力上,微软则在平台能力上进行了增强。对我们来说,售前和实施中需要的是能快速搭建应用,售后需要快速解决问题,所以有两个方向可以去做:
1、应用搭建效率的提升。
2、构建智能问答系统。
目前项目实施的步骤如下:
让低代码产品集成了 ChatGPT 的能力后,系统就会变成这样:
例如:在对话框中输入,将当前列表的项目名称这一列宽度调整到 500 ,这时就需要能识别参数:项目名称和宽度 500,而且知道需要调用调整列宽的接口。
现有的低代码平台在后台做完各种配置后,点击保存后,前端收集所有数据传递给接口,接口的颗粒度比较粗,一次性会存储很多内容,但上面例子中调整一个列的列宽设置就需要一个接口,这就需要接口的颗粒度非常细,所以,改造接口颗粒度是实现智能化的第一步。
上面说结合 ChatGPT 的能力,并不是直接对接 ChatGPT 的接口,所以说要实现还是相当有难度的。不过一个新的技术兴起到完全在 ToB 市场中普及,是有一个时间周期的,只要方向没错,完全有这个准备的时间。
目前在项目实施过程中存在几个问题,这也是为什么一个智能问题系统很重要的原因:
现在的方式就是通过文档搜索,这些年也沉淀了非常多的文档,比如:业务场景案例、操作手册、实施常见问题手册等,不过是基于关键字搜索的,用关键字搜索有几个问题:
如果按照 ChatGPT 的思路,智能问答系统的逻辑就是这样的:
针对这个问题,我在知识星球问过张善友大佬,下面的图就是张善友提供的:
宝玉在推上也回答过类似的问题:
https://Twitter-thread.com/t/1641656561650249730。
不过张善友和宝玉提供的参数都是依赖 OpenAI 的接口,如果不依赖 OpenAI,有办法实现吗?这需要进一步去学习和研究。
最近看到 Supabase 产品的文档就提供了 AI 问答(https://supabase.com/docs),这个效果就是我想要达到的,总结下就是根据自然语言的输入,给一个精准的答案。
未来已经到来,不管是产品还是个人,都需要持续不断地学习和进化,才能不被淘汰。