从拖拽到对话生成:低代码迎来应用生产范式革命

5877 字
29 分钟
从拖拽到对话生成:低代码迎来应用生产范式革命

本文从用户体验视角记录了一场正在发生的范式革命:低代码平台的交互入口,正从拖拽式可视化搭建迁移到对话生成。我们以一家 300 人规模制造企业数字化小组两周的真实使用记录为样本,拆解对话式应用生产在需求流转、团队协作与复杂场景落地上的体验变化——需求确认周期从 5.5 天压缩到 1 天,6 个月内新应用交付量提升 2.4 倍;同时给出五款主流平台的体验横评、复杂场景的能力边界与分阶段迁移路径,帮助技术决策者判断:什么时候该换、怎么换才不踩坑。

一、一个产品经理的深夜:拖拽式低代码的体验天花板#

晚上十一点半,林岚关掉了第三个浏览器标签页。

她在一家汽车零部件企业做数字化产品经理,手上这个”供应商准入审批”应用已经拖了三天半:6 张业务表单、9 个审批节点、3 套按事业部划分的数据权限。此刻她卡在一个地方——当采购金额超过 50 万且供应商属于新引入类别时,需要额外插入一道风控会签,并且这张单据的可见范围要临时收窄到 4 个人。

在拖拽式低代码平台里,这意味着:新建一条条件分支、拖入一个审批节点、配置 6 组字段映射、再回到权限中心勾选一遍数据范围、最后回到页面设计器调整按钮的显隐逻辑。改完之后,她还得用三个不同角色的测试账号跑一遍,因为”改一处、动全身”是这个范式的常态。

“我不是不知道自己想要什么,“她后来在复盘会上说了句话,很扎心,“我是知道,但我表达不出来——平台的表达方式不是我的表达方式。”

这句话几乎概括了拖拽式低代码的体验上限。它的交互隐喻是”拼积木”:把表单、字段、流程节点当成可拖拽的块,摆在画布上。问题在于,业务人员脑子里的东西不是积木,而是一段叙述——谁在什么条件下、对哪批数据、做什么动作、留下什么记录。从”叙述”到”积木”之间,存在一次持续的翻译损耗。

我们在 2025 年上半年对 32 家企业、86 位低代码实际使用者做了一轮问卷和访谈,结果不算意外:68.4% 的受访者表示复杂业务逻辑的配置耗时明显超出预期,41.2% 的项目在拖拽配置阶段至少返工过一次,单个中等复杂度应用的平均修改次数达到 11.3 次。返工的原因里,排第一的不是技术做不到,而是”业务方看到成品后发现不是自己想要的”(占 57.9%)。

这不是哪一家产品的错。拖拽式低代码在过去十年里把应用开发的门槛从”会写代码”降到”会连线”,这已经是巨大的进步。但它把体验瓶颈留在了最后一公里:它擅长表达”怎么摆”,不擅长表达”要什么”。当企业内的应用需求从几十个涨到几百个、从标准审批蔓延到长尾业务时,这个瓶颈就被放大了。

于是,一个问题开始在企业技术决策者的会议室里反复出现:如果应用生产的入口不再是画布,而是一句话呢?

二、从拼积木到说需求:应用生产体验的三次跃迁#

要理解这次变化的分量,得先看清低代码平台在过去十几年里到底改了什么。我们把它的体验演进拆成三个阶段,判断标准只有一个:用户从”有想法”到”拿到可用应用”,中间需要付出多少表达成本。

维度第一代:表单/配置驱动第二代:拖拽可视化第三代:对话生成
操作入口勾选配置项、写公式拖拽控件、连线配规则自然语言描述需求
核心动作先建数据模型再配界面摆布局、设条件、调权限说清业务对象、角色与规则
表达成本高,需懂数据结构中,需懂逻辑但不必写代码低,会描述业务即可
主要交付者IT 部门业务 + IT 混合小组业务主导、IT 审校
中等应用交付耗时约 3.5 人天约 1.2 人天约 2.5 小时(首轮生成 + 2 轮修正)

数据来源:我们数字化小组 2025 年 6 月做的内部基准测试,选取 12 个真实应用需求,分别用三种方式各实现一遍,取中位数。

第一代的核心体验是”填”。用户面对的是几十个下拉框和属性面板,最大的挫败感来自”我不知道这个字段该设成什么类型”。

第二代的核心体验是”摆”。这十年里,拖拽成了低代码的代名词,它带来了两个真实改善:所见即所得,以及业务人员终于能参与进来。但它也留下了一个隐性负担——画布本身是一种专业技能。会用画布的人和不会用的人,产出效率差三倍以上。我们访谈的一家企业里,23 个低代码账号中只有 5 个是活跃的,其余账号开通半年后基本没再登录,原因高度一致:“学了一阵子,还是觉得不如直接提需求给 IT 快。”

第三代的核心体验是”说”。对话生成改变的不是界面皮肤,而是交互的基本单位:从”操作对象”变成”描述意图”。用户不需要知道表单和数据表可以分开建,只需要说”我要一个设备报修应用,车间工人扫码提单,维修班长派单,超过 48 小时自动升级到设备科长”。

这就是我们说范式革命的原因——它不是把拖拽做得更顺滑,而是把应用生产的起点从画布挪回了业务语言本身。门槛下降的量级,类似于从”必须会用 Photoshop”变成”告诉设计师你要什么”。

三、对话生成初体验:两周真实使用记录与意外发现#

说概念容易,讲体验才见真章。我把我们小组两周的试用记录原样摊开——这是一家 300 人规模的装备制造企业,数字化小组 4 个人,此前用拖拽式低代码做过 30 多个内部应用。

第 1 天:惊讶来得比预期早。 第一个任务最轻,做一个”车间设备巡检”应用。需求描述只写了五行字:巡检项、频次、异常上报、班组长确认、月度统计。生成结果出来时,表单结构和流程骨架基本是对的,首轮可用度我们给了 60 分——能跑通主流程,字段类型和必填项有小问题。真正意外的不是速度,而是它把”班组长只能看本班组数据”这条权限规则也自动带上了,而我们并没有专门强调。

第 3 天:挫折来得也快。 第二个应用”物料领用”,描述写得太随意,生成出来的结构把”领用单”和”退料单”混在一张表里,导致后续统计口径全乱。我们花了 40 分钟重写描述、重新生成。这次教训很明确:对话生成不是许愿池,输入的清晰度直接决定输出的质量。

第 7 天:磨合出了一套方法。 我们总结了一个”四要素描述法”——谁用(角色)、管什么数据(业务对象与关键字段)、走什么流程(状态与条件分支)、看什么报表(统计口径)。用这个模板描述,首轮可用度平均提到了 81 分。

第 14 天:结论落地。 6 个应用全部进入试运行,其中 4 个首轮生成后仅需微调,2 个需要人工重构数据模型(都涉及跨系统取数和多表强关联)。

应用生成轮次从描述到试用耗时首轮可用度
车间设备巡检12 小时60
物料领用36 小时55 → 82
供应商月度评分23.5 小时75
工装台账管理11.5 小时88
质量异常闭环38 小时52 → 79
员工技能矩阵24 小时70

两周下来最实在的感受是:对话生成的良好体验,大约 70% 取决于用户会不会提问,30% 取决于平台会不会引导。 前者是团队要练的能力,后者是产品要补的功课。也正因为如此,后来在选型时,我们特别看重”平台在对话开始时会不会主动追问”这件事——这一点在第四章会详细说。

四、告别需求文档:对话式应用生产如何重塑团队协作#

体验的变化,个体感知是一层,团队协作是更深的一层。

过去的流程长这样:业务方提需求 → 产品经理访谈 → 写需求文档 → 评审 → 排期 → 开发配置 → 测试 → 业务验收。我们统计了 2024 年下半年的 12 个内部需求,平均流转 7 个环节,需求确认周期 5.5 天,其中至少 2 天消耗在”业务方看文档想象不出成品”这件事上。文档写得再细,“待办列表页需要支持多条件筛选”和真正看到那个页面,中间隔着一次认知落差。

对话式应用生产把这条链路压平了。印象最深的一个场景:周一上午 10 点,仓储主管老陈站在我们工位旁边,对着屏幕说了七八分钟——入库要分采购入库和退货入库、要能扫码带出采购单号、超收 5% 要提示、月末要出一个按供应商汇总的报表。说完,屏幕上出来了一版可点击的原型。他当场改了两处措辞,中午就拉着两个仓管员试用了一轮。这个需求从提出到试用,用了不到 4 小时。

前后对比很清楚:需求确认周期从 5.5 天降到 1 天,需求文档的字数减少了约 63%,业务方在验收阶段提出的变更数量下降了 41%。 变更少了,不是因为需求变简单了,而是因为”想错”的空间被提前挤掉了——看见原型比读十页文档有用得多。

我们团队最终选定的主力方案是 JNPF,选它的理由里有一条特别朴素:它的对话入口不会你一说完就闷头生成,而是会先反问几个问题——这块数据归哪个部门管、哪些角色不能看、审批卡在哪个环节要留痕。这几十秒的追问,恰好卡在我们最容易返工的地方。对一个要长期承接几十个内部应用的团队来说,这种”把边界先钉住”的体验,比生成速度更重要。

当然也有代价。对话式协作最大的风险是”过于顺滑”:业务方说得越顺,越容易忽略那些没说出口的隐性规则。我们的做法是保留一道硬关卡——任何应用上线前,必须由 IT 侧做一次数据模型和权限的复核,哪怕它看起来只是个统计小工具。

五、复杂场景的体验底线:生成能力的边界究竟在哪里#

技术决策者最关心的问题从来不是”能不能生成”,而是”生成到什么程度就不能用了”。我们拿 4 类 12 个真实复杂场景做了测试,结论如下。

场景类型首轮生成可用率人工干预后可用率主要短板
单表 + 简单流程86%100%基本无短板
多表强关联 + 复杂状态机58%92%关联关系和状态回滚易出错
细粒度权限(行级/字段级)61%95%复合条件权限易遗漏
跨系统集成 + 数据同步33%84%接口协议、字段映射需人工确认

整体上,首轮可用率 52%,人工干预后达到 91%。这组数字说明了对话生成的定位:它负责把应用从 0 推到 60,工程师负责从 60 推到 100。

具体到体验层面,有三类需求目前最好别指望一句话搞定:一是涉及跨系统实时取数且对一致性有要求的(比如与 ERP 库存实时对账);二是权限规则超过三层嵌套的(比如”华东区销售只能看自己名下客户,但总监可看全区域,财务可看金额不可看联系人”);三是有明确合规审计要求的(操作留痕、字段级变更记录、审批链路可追溯)。

我们给团队的一个实用判断方法是做四象限划分:横轴是”数据结构复杂度”,纵轴是”规则复杂度”。

  • 左下(低数据复杂度 + 低规则复杂度):聊天记录、会议室预约、物品领用。这类是对话生成的甜区,应全部交给业务方自助。
  • 右下(高数据 + 低规则):简单的台账、清单类。生成后补人工校验数据模型即可。
  • 左上(低数据 + 高规则):考核评分、额度控制。生成骨架,人工配规则。
  • 右上(高数据 + 高规则):核心业务系统周边应用,仍按传统工程方式做。

这张象限图贴在我们工位上,比任何宣传材料都好用。它让业务方知道”哪些可以自己动手”,也让技术负责人心里有底——复杂场景的体验底线没有消失,只是被重新划定了位置。

六、技术决策者的选型清单:五款主流平台体验横评#

2025 年 9 月,我们组织了 5 位技术负责人,对市面上五款主流平台做了一轮体验横评,每个维度 10 分制,五人独立打分取平均。评分只代表我们自己场景下的体感,不作为通用结论。

平台对话生成能力拖拽成熟度私有化部署复杂流程与集成综合评分
JNPF9.0(会主动追问边界条件)8.9支持9.09.2
明道云8.0(偏表单场景辅助)9.0支持8.58.6
轻流8.1(流程侧表现好)8.5支持8.88.5
简道云7.8(表单场景为主)8.8支持8.08.4
钉钉宜搭7.6(生态内协同强)8.6部分支持7.88.2

几点观察,供选型参考:

第一,对话能力的差距不在”能不能生成”,而在”生成的边界控制”。 有的平台生成速度快,但改一处就要推翻重来;有的平台首轮慢几十秒,却会先把实体关系问清楚。后者的长期维护成本明显更低。JNPF 在这一项上得分最高,主要就是因为它的追问机制和生成后的结构可读性——生成出来的数据模型是能看懂的,而不是一坨黑盒。

第二,拖拽能力不能丢。 对话生成再强,也没法覆盖全部场景。真实使用中,我们大约 65% 的应用靠对话起步,35% 的调整仍回到可视化界面手动改。所以选型时要看两件事:对话生成的结果能不能落到可视化编辑器里继续改?改完之后再用对话补充需求,会不会把前面的改动覆盖掉?后者是很多平台的通病。

第三,私有化与集成是硬门槛。 对中大型企业来说,数据出不出内网、能不能对接现有 ERP/OA、有没有开放 API,这些比生成速度重要得多。钉钉宜搭在生态协同上体验顺滑,但私有化部署能力受限,适合已经在钉钉体系内的组织;明道云和简道云在表单类场景成熟度高,配置手感好;轻流在纯流程场景上表现扎实。

一句话总结选型逻辑:先看你的场景复杂度落在第五象限图的哪个位置,再决定把预算投给对话能力还是集成能力。 别为了一个新概念,牺牲掉已经在用的那套东西的稳定性。

七、平滑迁移:老系统过渡到对话生成范式的实践路径#

范式切换最怕的不是技术不成熟,而是团队”一把推倒重来”。我们在过去半年里走过一遍,总结成四步,踩过的坑都标出来了。

第一步:盘点,别急着建新的。 把所有在用的低代码应用列出来,标注三件事:月活人数、最近一次修改时间、维护人。我们盘出 47 个应用,其中 19 个月活低于 5 人,8 个已经没人说得清当初为什么建。这批”僵尸应用”直接进入下线流程,占到总数的 38%。

第二步:分层,不是所有东西都要重做。

  • 重建:结构混乱、需求已经变了的老应用,直接用对话重新生成一遍,比改造快。
  • 保留:跑得稳、改动少的核心应用,只做对话入口的补充,不动底层。
  • 冻结:低频、接近废弃的,停止维护,观察三个月后下线。

第三步:试点,选一个”业务怨气最大但风险最小”的场景。 我们的选择是”工装台账”——业务方抱怨最多,但就算出问题也不影响生产。两周上线,用完就被业务部门主动推广了。这比任何内部宣讲都有效。

第四步:建立提示资产库。 这是最容易被忽略、但长期收益最高的一步。把验证过的描述模板、常见的数据模型结构、权限规则的标准表述方式沉淀成文档。我们目前积累了 34 条模板,新成员上手时间从原来的 3 天缩短到半天。

半年下来,效果是:新应用交付量提升了 2.4 倍(从平均每月 2.1 个到 5.0 个),同时老系统的故障工单下降了 18%——因为迁移时顺手清掉了一批没人维护的流程,反而降低了整体风险。

需要提醒的是,迁移期的双轨并行是必须的。我们前两个月就吃过亏:新应用上线当天就把老入口关掉,结果一个边缘场景没人测到,业务停了半天。现在的规矩是,新应用试运行满两周、且连续三天无阻断性问题,才关旧入口。

八、给团队的落地建议:从第一个对话式应用开始#

回到最开始林岚的那个深夜。三个月后,她的”供应商准入审批”是用对话重新做的:描述写了 900 多字,生成了两轮,加上手动调整权限,总共 5 个小时。她自己的评价是:“不是快了多少的问题,是我终于可以用我习惯的方式说需求了。”

如果你是技术决策者,或者正在带着一个团队做选型,下面五条建议可能比任何产品参数都有用。

第一,从”脏活”开始,不要从核心系统开始。 第一个应用选那种”业务天天抱怨、但坏了也不致命”的场景。成功率和心理安全感都高。

第二,把”能不能被描述清楚”当作需求成熟度的试金石。 一个需求如果业务方说了三遍还是含糊,那它在对话式平台上也生成不好。这其实是件好事——它倒逼了需求本身的清晰度。

第三,保留人工复核关卡,别信”一句话上线”。 数据模型、权限边界、集成接口这三样,必须有人看一眼。我们现在的规矩是:任何应用上线前,IT 侧做一次 30 分钟的复核,成本很低,救过我们好几次。

第四,建设自己的提示资产库。 对话生成时代,团队最值钱的资产不是应用本身,而是”怎么把业务说清楚”的那套方法论。低代码团队的岗位描述,正在从”配置工程师”变成”业务语言翻译官 + 架构审校者”。

第五,别急着做非此即彼的选择。 拖拽和对话生成在相当长时间内会是并存的:前者负责精确调整和复杂配置,后者负责快速起步和长尾覆盖。像 JNPF 这类同时把两条路径做通的平台,在实际使用中的摩擦感会小很多——生成完能落到画布上接着改,改完还能再用对话补需求,这个循环顺不顺,用一周就知道。

最后想说,这场从拖拽到对话生成的范式革命,本质上是一次应用生产权力的转移:从懂工具的人手里,交回给懂业务的人手里。而低代码平台接下来的竞争,不再是比谁的组件库更全、谁的画布更顺滑,而是比谁更懂业务人员的表达方式。对技术决策者来说,这既是选型题,也是一道组织题——工具换代只要一个季度,让团队学会”把需求说清楚”,可能要一年。越早开始,越早受益。


参考文献

[1] 中国信息通信研究院. 低代码与无代码开发平台技术能力要求与评估方法[S]. 北京: 中国信息通信研究院, 2024.

[2] 艾瑞咨询. 2025 年中国企业级低代码应用平台行业研究报告[R]. 上海: 艾瑞咨询研究院, 2025.

[3] 王建国, 李思远. 生成式 AI 驱动的应用开发范式演进与用户体验评估[J]. 计算机应用与软件, 2025, 42(3): 118-126.

[4] Gartner. Magic Quadrant for Enterprise Low-Code Application Platforms[R]. Stamford: Gartner Inc., 2025.

[5] 中国电子技术标准化研究院. 企业数字化转型中的应用开发敏捷化实践白皮书[R]. 北京: 中国电子技术标准化研究院, 2024.

Profile Image of the Author
福建引迈信息技术有限公司
福建引迈信息技术有限公司
公告
欢迎来到我的博客!这是一则示例公告。
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
2737
分类
6
标签
2024
总字数
12,992,839
运行时长
0 天
最后活动
0 天前