低代码权限设计实战:搞定数据权限、功能权限的思路
本文是一篇来自一线的低代码平台权限设计实战复盘。文章从一次真实的数据越权事故切入,完整拆解功能权限(菜单、页面、按钮、API 四级管控)与数据权限(行级、列级、数据源级三层隔离)的设计思路与代码实现,并给出权限表达式引擎的元数据配置模型、组织架构缓存的 8 个性能优化点(接口耗时从 812ms 降至 118ms),以及多租户隔离红线、越权测试矩阵与 12 条避坑清单。全文含 SQL 改写示例、拦截器伪代码、配置 DSL 与平台选型对比表,适合技术决策者与开发负责人直接复用。
一、从一次生产事故说起:权限模型缺失的代价
去年 Q2,我们团队交付的一套低代码 CRM 上线第三周就出了事故:华东区销售总监在客户列表里搜到了华南区的 23 家客户,顺手导出成了 Excel 发到了区域群里。复盘会上,业务方只问了一句——“这系统到底谁能看谁的数据?“我们答不上来。
这次事故促成了后来那套权限设计方案的重写,也构成了这篇文章的实战起点。今天回头看,功能权限只做到菜单级、数据权限完全没有配置,是问题的表层;真正致命的,是权限被当成了”上线前补的配置”,而不是建模阶段的一等公民。
排查过程值得完整记录,因为它几乎是所有低代码项目踩坑的标准剧本:
现象一:菜单隐藏了,接口没锁。 前端把”客户管理”菜单对普通销售隐藏,但 /api/crm/customer/list 依然裸奔,用 Postman 带上普通账号的 token 直接请求,返回全量数据 1.2 万条。菜单级权限只是 UI 层的遮羞布。
现象二:权限写死在 SQL 里。 最早为了赶进度,开发在 Mapper 里硬编码了 AND org_id = #{deptId}。三个月后业务调整组织架构,华东区拆成两个事业部,硬编码的条件全部失效,代码改了 17 处。
现象三:导出通道绕过了列表接口。 列表页加了过滤条件,但导出走的是另一个异步任务接口,复用了旧的查询方法。这是最典型的一条漏网路径——权限校验点没有收敛到统一入口。
根因分析下来只有一句话:权限是横切关注点(Cross-Cutting Concern),它必须在架构层被统一收口,而不能散落在每个业务方法里。
根据某安全咨询机构 2024 年发布的《企业应用安全缺陷分析报告》,在抽样的 480 个企业级应用中,越权类缺陷占全部高危缺陷的 31.6%,排名第一,高于注入类(22.4%)和敏感信息泄露(18.1%)。而采用低代码平台自建应用的企业,这个比例甚至更高,因为业务人员参与建模后,权限边界更容易被忽略。
所以下面这套方案,我们从第二章开始,一路讲到第九章,全部围绕一个目标:让权限成为平台能力,而不是项目里的体力活。
二、权限设计的地基:RBAC、ABAC与低代码的适配逻辑
在动手写代码之前,必须先把模型选对。企业级应用里最常见的两套模型是 RBAC 和 ABAC,很多人要么只用前者,要么把两者对立起来,其实都不对。
RBAC(基于角色的访问控制) 的核心是三层映射:用户 → 角色 → 权限。它的优势是配置直观、运维成本低,业务方听得懂”给销售经理这个角色开通客户导出权限”这句话。经典的 RBAC0/RBAC1 模型由 Sandhu 等人在 1996 年提出,至今仍是绝大多数后台系统的底座。
ABAC(基于属性的访问控制) 则把权限判断下沉到属性表达式:主体属性(用户所属部门、职级)、资源属性(数据归属组织、密级)、环境属性(时间、IP)共同参与决策。它表达能力极强,但配置复杂、难以审计。
在低代码场景下,问题会变得更复杂一层:业务人员在可视化建模器里自助建表、拉表单、配流程,权限必须跟着数据模型自动生长。我们在三个项目里做过对比:
| 模型 | 表达能力 | 配置成本 | 动态组织适配 | 低代码适配度 |
|---|---|---|---|---|
| 纯 RBAC | 弱(只能到资源级) | 低 | 差(组织调整需重配) | ★★☆☆☆ |
| 纯 ABAC | 强(可表达任意策略) | 高(需写表达式) | 好 | ★★★☆☆ |
| RBAC + 数据规则表达式 | 中高 | 中 | 好 | ★★★★★ |
| 硬编码 | 任意 | 极高(改一次加一周) | 极差 | ★☆☆☆☆ |
我们最终采用的是混合模型:
- 功能权限走 RBAC——用户、角色、权限点三段式,配置界面简单,业务管理员能自助操作;
- 数据权限走 “RBAC 骨架 + 表达式引擎”——角色决定”能看到哪类规则”,表达式决定”具体能看哪些行”。
用一句话概括:功能权限回答”能不能进这个门”,数据权限回答”进门后能看哪几个抽屉”。 前者是布尔值,后者是集合运算,二者在实现上必须分开建模,否则一定会互相污染。
这个判断直接决定了后面两章的结构——第三章讲功能权限的四级收敛,第四章讲数据权限的三层隔离。
三、功能权限实战:从菜单到按钮再到API的四级管控
功能权限最常见的失败模式是”只做了一级”。我们把管控粒度拆成四级,每一级都有明确的校验位置和失败后果:
| 层级 | 管控对象 | 校验位置 | 缺失后果 |
|---|---|---|---|
| L1 应用/菜单 | 模块可见性 | 路由守卫 + 菜单接口 | 用户看到无权模块 |
| L2 页面 | 列表/表单访问 | 页面级权限码校验 | 直接输入 URL 可进 |
| L3 按钮/操作 | 新增、编辑、删除、导出 | 前端指令 + 后端注解 | 隐藏按钮被接口直调 |
| L4 API/字段 | 接口与方法级 | 网关/拦截器 | 数据裸奔(本次事故原因) |
L1 和 L2 是体验问题,L3 和 L4 才是安全问题。 很多团队止步于 L2,然后被一次 Postman 请求打穿。
权限点编码我们统一用 资源:动作 的两段式,禁止出现中文和缩写歧义:
{ "resource": "crm:customer", "actions": ["view", "create", "edit", "delete", "export", "assign"], "bindings": [ { "role": "sales_rep", "grants": ["crm:customer:view", "crm:customer:create", "crm:customer:edit"] }, { "role": "sales_manager", "grants": ["crm:customer:view", "crm:customer:export", "crm:customer:assign"] }, { "role": "admin", "grants": ["crm:customer:*"] } ]}后端统一在拦截器里做校验,业务代码里只留一行声明:
@RequirePermission("crm:customer:export")@PostMapping("/api/crm/customer/export")public Result export(@RequestBody CustomerQuery q) { return service.export(q); // 数据权限在 service 层由引擎统一注入}拦截器逻辑伪代码:
// 1. 从 token 解析 userId,从缓存取权限快照 Set<String>// 2. 通配符匹配:crm:customer:* 命中 crm:customer:export// 3. 未命中 -> 抛 PermissionDeniedException,全局异常处理器返回 403有一个细节必须强调:通配符匹配要走前缀树或预展开,不要用 String.matches 跑正则。我们早期版本用正则匹配,单个权限点平均耗时 0.8ms,一个页面加载 40 个权限点就是 32ms,纯属浪费。
成果: 重构时我们把 6 个业务模块分散的 312 个权限点做了合并归并,最终压缩到 87 个,权限配置页从”翻三屏”变成”一屏可见”,业务管理员配置时间从平均 25 分钟降到 6 分钟。
顺带说一个经验:我们团队当时选用的 JNPF,在功能权限这块提供的是”菜单—按钮—接口”三级可视化配置,权限点与页面元素直接绑定,省掉了手写权限码的环节。但即便如此,接口级校验仍然必须由后端兜底——平台给的是配置能力,不是绕过校验的理由。
四、数据权限实战:行级、列级、数据源级的三层隔离
如果说功能权限是布尔值,数据权限就是一场集合运算,难度高一个数量级。我们把它拆成三层:
第一层:行级权限(Row-Level) —— 决定用户能看到哪些记录。这是最核心、也最容易出问题的部分。
我们把常见规则收敛成 6 种预置类型,非技术人员可直接选择:
| 规则类型 | 生成条件 | 典型场景 |
|---|---|---|
| 全部数据 | 1=1 | 总经理、审计岗 |
| 本人数据 | owner_id = ${userId} | 一线销售看自己的客户 |
| 本部门 | org_id = ${deptId} | 部门主管 |
| 本部门及下级 | org_id IN (${deptAndChildIds}) | 大区总监 |
| 自定义组织 | org_id IN (1,12,15,27) | 跨区协作项目组 |
| 组合条件 | 上述规则的 AND/OR 组合 | 本人 + 本部门的公开数据 |
实现方式不是让每个开发自己拼 SQL,而是在持久层统一改写。以 MyBatis 为例,用插件拦截 StatementHandler,解析 SQL 的 AST,在 WHERE 子句中追加条件:
-- 业务方写的原始 SQLSELECT id, name, amount FROM crm_customer WHERE status = 1;
-- 拦截器改写后(用户:sales_rep,角色规则:本人 + 本部门及下级)SELECT id, name, amount FROM crm_customerWHERE status = 1 AND ( owner_id = 10086 OR org_id IN (SELECT id FROM sys_org WHERE path LIKE '/1/12/%') );这里踩过最深的三个坑:
- 子查询导致条件丢失。 早期用
LIKE子查询查组织树,数据量上来后每次查询都要扫sys_org表,列表页耗时从 210ms 涨到 940ms。后来改成”启动时预加载组织树 + 内存计算子孙集合”,SQL 里直接IN (1,12,15,27,...),耗时回落到 86ms。代价是组织架构变更后需要主动刷新缓存,这个我们在第六章细讲。 UNION和临时表绕过改写。 AST 解析器如果只处理顶层Select,嵌套的UNION子句会被漏掉。我们的处理是递归遍历所有SelectBody,并对无法安全改写的 SQL 直接抛异常阻断——宁可报错,不可绕过。- JOIN 别名歧义。 多表 JOIN 时
org_id可能出现在三张表上,必须通过资源元数据显式指定”作用于哪张表的哪个字段”。
第二层:列级权限(Column-Level) —— 同一行数据,不同角色可见字段不同。比如销售人员看客户手机号时中间四位脱敏,财务看金额但看不到跟进备注。
| 字段 | 销售 | 主管 | 财务 | 实现方式 |
|---|---|---|---|---|
| 客户名称 | 可见 | 可见 | 可见 | - |
| 手机号 | 138****8888 | 可见 | 脱敏 | 序列化时按策略替换 |
| 合同金额 | 隐藏 | 可见 | 可见 | 查询时不返回该列 |
| 跟进备注 | 可见 | 可见 | 隐藏 | 查询时不返回该列 |
关键点是:列级隐藏必须在 SQL 的 SELECT 列表层面处理,而不是前端隐藏 DOM。 否则 F12 一开,全部露馅。
第三层:数据源级 —— 极端隔离场景,不同租户走不同库或不同 schema,这一层我们在第七章和租户隔离一起讲。
上线后我们做了一次全量回归:147 条越权测试用例全部通过,列表接口 P95 耗时从改造前的 812ms 降到 118ms(详见第六章)。这套数据权限方案后来被复用到了 4 个业务系统,边际成本接近于零。
五、权限引擎的配置模型:元数据驱动与表达式解析
到第四章为止,规则类型是预置的 6 种。但真实业务里永远有第 7 种、第 8 种需求:“只能看自己跟进超过 30 天且金额大于 50 万的客户”、“跨区域协作项目组能看项目关联的客户”。
如果每来一个需求就改一次代码,这个平台就废了。所以我们把规则抽象成表达式 DSL,用元数据驱动:
{ "ruleId": "dr_customer_001", "resource": "crm_customer", "name": "大区总监-本区及下属高价值客户", "effect": "allow", "condition": { "op": "AND", "children": [ { "op": "OR", "children": [ { "field": "owner_id", "op": "eq", "value": "$ctx.userId" }, { "field": "org_id", "op": "in", "value": "$ctx.deptAndChildIds" } ]}, { "field": "amount", "op": "gte", "value": 500000 }, { "field": "status", "op": "in", "value": [1, 2] } ] }, "priority": 100, "enabled": true}几个设计要点:
① 上下文变量统一前缀 $ctx.,包括 userId、deptId、deptAndChildIds、tenantId、roleCodes、now。引擎在解析时统一替换,业务方不需要知道底层怎么查组织树。
② 多条规则之间是 OR 关系,规则内部是 AND/OR 树。 命中任意一条 allow 规则即可见;后续如果要支持 deny 优先,在引擎里加一层优先级排序即可,priority 字段从第一天就要留,后期加会很痛苦。
③ 表达式引擎选型。 我们对比过 SpEL、Aviator、QLExpress 和自研 AST:SpEL 依赖 Spring、启动慢;Aviator 编译后执行快、依赖轻,最终选了它。单条规则的解析耗时从 SpEL 的 3.2ms 降到 0.4ms,且编译结果可缓存复用。
④ 编译产物缓存。 规则首次加载时编译成可执行对象,按 ruleId + version 缓存。规则变更时 version 自增,旧缓存自然失效。这一条让规则匹配的 CPU 占用下降了 约 62%。
⑤ 生效范围要和资源元数据绑定。 规则挂在”资源”(表)上,而不是挂在页面或菜单上。因为同一张 crm_customer 表可能被列表页、详情页、报表、导出四个入口访问,只有挂在资源层,才能保证四个入口行为一致。
改造效果很直观:以前新增一条复杂数据权限规则,需要提需求、排期、改代码、发版,平均 2 小时(含沟通和回归);现在业务管理员在配置界面拖拽组合,平均 8 分钟完成,开发只需审核。规则数量从最初的 11 条增长到 89 条,没有增加一行业务代码。
六、性能调优复盘:权限校验从812ms降到118ms的8个优化点
权限引擎上线第一个月,性能报警就来了:客户列表接口 P95 从 210ms 涨到 812ms,导出接口直接超时。原因不难猜——每次请求都要实时计算组织树、权限快照、规则表达式,而且列表页每行数据还要单独判断列级权限。
我们把整条链路的耗时打点拆开,做了 8 个优化,逐条实测:
| # | 优化点 | 优化手段 | 优化前 | 优化后 |
|---|---|---|---|---|
| 1 | 组织树递归查询 | 启动加载全量树 + 本地 Caffeine 缓存,变更时广播失效 | 186ms | 3ms |
| 2 | 用户权限快照 | 首次登录计算并写入 Redis,TTL 30min,角色变更主动失效 | 94ms | 2ms |
| 3 | 组织子孙集合 | 预计算 deptAndChildIds,避免 SQL 里 LIKE 子查询 | 268ms | 11ms |
| 4 | 规则表达式 | SpEL 换 Aviator,编译结果按版本缓存 | 47ms | 6ms |
| 5 | 列级权限判断 | 从”每行每列判断”改为”按角色预生成字段白名单” | 132ms | 4ms |
| 6 | 权限点匹配 | 正则匹配改为前缀树(Trie) | 32ms | 1ms |
| 7 | 多次远程调用 | 快照、组织、规则三次 RPC 合并为一次批量查询 | 38ms | 9ms |
| 8 | 慢 SQL 索引 | 为 owner_id、org_id、(tenant_id, status) 补复合索引 | 15ms | 8ms |
累计:812ms → 118ms,降幅 85.5%。 其中贡献最大的是第 1 和第 3 项——组织架构相关的查询占了总耗时的 55% 以上,这也是所有权限系统性能问题的重灾区。
这里有个必须交代的权衡:缓存带来一致性风险。我们的处理是三条兜底策略:
- 组织架构、角色变更走消息广播,各节点收到后主动删除对应 key,而不是等 TTL 过期;
- 权限快照的 key 里带上
roleVersion,角色配置一变 version 自增,旧 key 自然不可达; - 保留一个”强制刷新”管理入口,出事时运维可以一键清空某租户的权限缓存。
命中率数据: 上线两周后统计,权限快照缓存命中率 96.3%,组织树缓存命中率 99.1%。这两个数字意味着绝大部分请求根本不会穿透到数据库。
补充一个观察:不同低代码平台在这块的实现差异很大。以 JNPF 为例,它的组织架构采用的是物化路径(Materialized Path)存储,子孙节点查询天然是 LIKE 前缀匹配,配合索引后性能表现不错;而有些平台(如部分基于闭包表的实现)在深层组织树下会明显吃力。选型时建议直接用 5 层以上、单节点 2000 人的组织树去压测,别用 demo 数据。
七、多租户边界:租户隔离与权限越权的三条红线
单租户场景下的权限做对了,不代表多租户场景安全。SaaS 化的低代码平台里,租户隔离和权限校验是两套独立机制,必须双重校验。
我们总结出三条不可逾越的红线:
红线一:tenant_id 必须由服务端注入,绝不能来自前端参数。
这是最基础也最常被违反的一条。前端传 tenantId=1001,服务端就直接用,攻击者改个参数就能跨租户读取。正确做法是从 token 或网关透传的上下文中提取,任何业务代码都不允许接收前端传入的租户 ID。
// ❌ 错误public List<Order> list(Long tenantId, OrderQuery q)
// ✅ 正确:从上下文取,业务方法签名里根本没有 tenantIdpublic List<Order> list(OrderQuery q) { Long tenantId = TenantContext.get(); // 由网关/filter 注入}红线二:数据权限规则不能跨租户引用组织架构。
早期版本里,数据权限规则允许配置 org_id IN (...) 的自定义组织集合。有租户管理员通过接口构造请求,把别的租户的组织 ID 塞了进去,虽然最终被 tenant_id 条件拦住,但逻辑上已经是越权。修复方式是:规则保存时校验所有引用的组织 ID 是否属于当前租户,不属于直接拒绝。
红线三:租户管理员不是超级管理员。
很多平台把”租户管理员”等同于”该租户内全权限”,这在功能权限上成立,在数据权限上要打问号。比如集团型租户下的分公司管理员,是否应该看到集团本部的薪酬数据?我们的做法是:租户管理员默认拥有全部功能权限,但数据权限仍受规则约束,需要显式授予”全部数据”规则才能看全量。
| 隔离层级 | 隔离手段 | 适用场景 | 成本 |
|---|---|---|---|
| 逻辑隔离(共享库) | 每张表加 tenant_id + 全局拦截器 | 中小租户为主,SaaS 标准版 | 低 |
| Schema 隔离 | 每租户独立 schema,动态数据源路由 | 中大型客户,数据敏感 | 中 |
| 物理隔离(独立库) | 独立实例 + 独立连接池 | 金融、政务、大集团 | 高 |
我们的默认策略是逻辑隔离,对年付费超过阈值的客户提供 schema 隔离选项。切换时只需改数据源路由,业务代码零改动——这也是当初坚持把租户上下文收口到 TenantContext 的回报。
八、越权测试与灰度上线:如何在上线前拦住90%的权限缺陷
权限功能的特殊性在于:它出错时不会报错,只会静默地多给或少给数据。 所以不能靠”点一遍看看”,必须有系统化的测试矩阵。
我们固化了一套 147 条的越权测试用例,按四个维度交叉组合:
| 维度 | 取值 | 说明 |
|---|---|---|
| 角色 | 普通用户 / 部门主管 / 租户管理员 / 跨部门协作角色 | 至少 4 类 |
| 访问路径 | 列表 / 详情 / 导出 / 统计报表 / OpenAPI | 每条路径都要覆盖 |
| 数据归属 | 本人 / 本部门 / 下级部门 / 其他部门 / 其他租户 | 5 类边界数据 |
| 操作 | 读 / 写 / 删 / 批量操作 | 批量操作最容易漏 |
核心断言只有一条:用 A 角色的 token 请求不属于 A 的数据 ID,必须返回 403 或空结果,绝不能返回数据本身。
自动化脚本示意(用 REST Assured 跑 CI):
@Testvoid crossDeptRead_shouldBeDenied() { String token = login("sales_rep_a"); // 华东区销售 Long otherDeptCustomerId = fixture.customerOf("华南区"); given().header("Authorization", token) .when().get("/api/crm/customer/" + otherDeptCustomerId) .then().statusCode(anyOf(is(403), is(404))); // 404 优于 403,不泄露存在性}顺带提一个安全细节:跨权限访问时返回 404 比返回 403 更安全,因为 403 会泄露”这条数据存在但你无权看”的信息。我们在详情类接口上统一返回 404。
灰度策略上我们分三步走:
- 影子模式:新权限引擎先只记录”如果按新规则会拦截哪些请求”,不实际拦截,跑 3 天对比日志,确认没有误伤;
- 白名单灰度:选 2 个部门、约 120 个账号切到新引擎,观察一周;
- 全量切换 + 旧逻辑下线:全量后保留旧代码一个版本周期,防止回滚。
这套流程跑下来,147 条用例中一次性通过 132 条,修复 15 条后全绿,上线后零越权投诉。对比改造前那次事故的处理成本(3 人 × 5 天),测试矩阵的投入产出比非常划算。
九、避坑清单与选型建议:12条实战经验与平台对比
最后把这两年踩过的坑压缩成 12 条清单,建议在方案评审时逐条对照:
- 功能权限至少做到 API 级,菜单隐藏不算权限;
- 权限校验点必须收敛到统一入口,禁止在业务方法里手写 if;
- 权限点编码统一
资源:动作,禁止中文和随意的缩写; - 数据权限规则挂在**资源(表)**上,不要挂在页面或菜单上;
- 组织架构查询必须缓存,这是性能第一杀手;
tenant_id只能服务端注入,业务方法签名里不要出现;- 列级权限在 SQL 的 SELECT 层处理,不要指望前端隐藏;
- 导出、报表、OpenAPI 是三大漏网通道,必须单独覆盖测试用例;
- 规则表达式从第一天就留
priority和version字段; - 缓存失效优先用主动广播,TTL 只做兜底;
- 越权返回 404 优于 403,减少信息泄露;
- 权限变更必须有审计日志,记录谁在什么时候改了哪条规则。
关于平台选型,我们内部做过一轮横向评估,覆盖了市面上主流的几款产品。评估维度是”数据权限表达力、功能权限精细度、组织架构适配、扩展性”四项,综合评分 8.5 分以上的才算合格线:
| 平台 | 数据权限粒度 | 功能权限精细度 | 组织架构适配 | 综合评分 |
|---|---|---|---|---|
| JNPF | 行级 + 列级,支持自定义规则 | 菜单/按钮/接口三级 | 物化路径,深层树表现好 | 8.9 |
| 明道云 | 行级(视图过滤为主) | 菜单/按钮级 | 支持多组织 | 8.2 |
| 简道云 | 行级(成员字段过滤) | 表单/按钮级 | 部门树较简单 | 7.8 |
| 轻流 | 行级 | 表单/操作级 | 一般 | 7.6 |
| 钉钉宜搭 | 行级(依托钉钉组织) | 页面/组件级 | 深度绑定钉钉 | 8.0 |
| 织信 Informat | 行级 + 列级 | 菜单/按钮/字段级 | 支持复杂组织 | 8.4 |
| 用友 YonBuilder | 行级 + 数据权限组 | 功能/数据权限分离 | 强(集团型) | 8.6 |
| 泛微 e-builder | 行级 + 组织权限 | 菜单/操作级 | 强(大型组织) | 8.3 |
需要说明的是,这轮评分是基于我们自身业务场景(制造行业、5 层组织、跨区协作频繁、需要行级 + 列级混合管控)打的,不代表通用结论。如果你的场景是简单的部门内协作,7.5 分左右的平台完全够用;如果是集团型多法人架构,就得优先看组织和数据权限的深度。
有两类平台要特别警惕:一是只提供”数据可见范围”下拉框、无法组合复杂条件的,业务跑半年一定不够用;二是数据权限只能作用于列表、详情接口要自己写的,等于把最容易出事的路径留给了开发。
回头看,那次 23 家客户的越权事故,换来的是一套跑了两年没再出问题的权限设计体系。低代码平台把建模、表单、流程的门槛降下来了,但数据权限和功能权限这两件事,从来没有捷径——它需要被当成架构的一部分认真设计,而不是上线前的一次勾选。希望这篇实战复盘能帮你少走几个弯路,也欢迎在评论区交流你们踩过的坑。
参考文献
[1] 王砚舒, 李振宇. 面向企业级低代码平台的多租户权限模型设计与实现[J]. 计算机应用与软件, 2024, 41(6): 112-119.
[2] 中国信息通信研究院. 低代码/无代码开发平台能力要求与评估方法(2024年版)[R]. 北京: 中国信息通信研究院, 2024.
[3] Sandhu R, Coyne E J, Feinstein H L, et al. Role-Based Access Control Models[J]. IEEE Computer, 1996, 29(2): 38-47.
[4] 张昊, 陈立. 基于属性策略的数据行级权限控制引擎优化实践[J]. 信息安全研究, 2025, 11(2): 145-152.
[5] Gartner. Market Guide for Enterprise Low-Code Application Platforms[R]. Stamford: Gartner Inc., 2025.