以大模型为核心的 AIGC 是当前大热的话题，而 AIGC 与低代码，由于其 “浑然天成” 的契合度，更是成为了热门中的热门。但在实际落地过程中，你可能会面临这样的问题：与大模型对话需要一定的技巧，不掌握相应技巧无法更好地激发大模型的潜能，而且模型精调的数据质量要求较高，需要进行精心设计和编写……本次分享将结合百度爱速搭团队的探索经验，介绍百度低代码平台与百度文心大模型的结合实践，以及大模型的私有部署方案。

演讲提纲：

1. 百度低代码平台、百度文心大模型简介

2. 大模型与低代码的“合体变身”

• 我们在用大模型做什么？大模型适合做什么？
• 提示词工程：让大模型的 “回答” 更符合你的预期
• 精调：让大模型更懂你的业务

3. 私有部署方案介绍

4. 总结展望

你将获得：

• 了解以百度文心为代表的大模型是如何与低代码平台进行融合的
• 与大模型“对话”的实践经验，通过提示词工程和精调等手段让大模型的表现更符合预期
• 大模型能私有部署吗？如何私有部署？对这个几乎是 “一票否决” 的落地问题给出百度的答案

演讲提纲：

1. 用户体验数字化的背景       

2. 用户体验数字化方案设计               

3. 前端数字化提效方案 

• Serverless方案和落地
• 可视化配置方案和落地      

4. 未来展望      

你将获得：

• 如何做用户体验的数字化设计 
• 了解如何精细化提升用户体验       
• 了解前端开发提效的新思路 

在低代码可视化配置系统已经逐渐完善的情况下，如何进一步提高开发效率？基于指标、维度的数据需求能否一键生成数据看板页面？本次分享将介绍数据领域下前后端标准化流程的开发提效，数据看板类需求快速落地的场景实现，以及针对结合 AIGC 赋能数据域的探索及思考。

演讲提纲：

1. 背景介绍

• 数据看板和数据分析报表在企业中的应用
• 低代码可视化搭建页面的优势

2. 传统的开发流程

• 数据开发：模型设计，数据开发，交付数据
• 服务端：获取指标维度数据，Groovy 脚本加工转换，返回最终数据
• 前端：可视化搭建生产数据看板，拖拽 UI 组件，注册数据源，发送 API 请求，处理 API 返回数据转成 UI 参数数据，将处理后的数据手动绑定 UI 数据源

3. 标准化开发流程

• 数据开发：产出指标、维度对应的标准口径
• 服务端：可视化流程编排生产符合标准规范的 API
• 前端：基于不同 API 规范，产出标准逻辑转换函数+设置函数，支持 API 数据到 UI 组件的一键绑定

4. 数据看板类需求快速落地

• 基于指标、维度等元数据快速定位 API / 可视化快速生产 API
• 基于 API 返回数据推荐目标 UI 类型，完成一键绑定
• 基于指标、维度数据需求 —> 定位 API —> 推荐 UI 视觉 —> 一键绑定生成数据看板

5. 未来展望

• 基于 AI 技术的前端开发的发展趋势
  • 任意 API 接口数据与 UI 组件完成智能转换
  • 基于指标、维度数据需求，智能推荐相关 API，并智能生成数据看板 UI 页面
  • 基于指标、维度数据需求 —> 智能生成数据看板页面

你将获得：

• 了解数据域标准化流程、前后端分层、中后台低码化等前沿的设计思路及解决方案
• 探索 AIGC 结合数据领域的落地与实践
• 了解中后台前端研发提效的新思路

在业务成熟，前端技术进步到一定程度的背景下，低代码技术在 ToB 领域降本提效方面，有着操作简单，模式化，减少协作关系等诸多优势，成为企业关注的一个重要技术方向。本次分享将介绍基于 ER 的低代码系统新探索，主要包含如何利用 Bundless 和 ESM 服务完成即时渲染，以及使用 ER 来构建 Bundle，用最少的服务，更精简的构建方式，更轻量级的组件双模可逆技术，解决 DSL 和 Code 之间的组合和可逆问题。同时让 AI 在低码系统中最大化提效——针对 Code，结合 Copilot，在物料和组件写法固定的前提下去，可以适当提效，针对 DSL，定制 Prompt，快捷生成合适的 DSL。

演讲提纲：

1. 背景与趋势

• 低代码现状与趋势
• ToB 场景提效的几个挑战
• ER 低码系统产品定位与能力

2. ER 低码系统设计

• 可视化框架设计 - 针对页面搭建的设计
• 可扩展组件编写方式 - 组件可视化双模式可逆的设计
• 构建进阶策略 – Bundless/ESM 服务 / 即时渲染技术等

3. ER 低码业务应用实践

• 多种场景适配 - 在落地中探索出满足不同需求场景的低代码场景适配
• 极致组件编写方式 - 在无构建环境要求下实现极致组件编写的关键问题
• 更简单的 ER 构建增益 – 机器成本 / 渲染效率 / 服务稳定性 / 业务指标
• 在低码系统最大化 AI 价值 - 针对 DSL 和 Code 进行提效实践
• 经验与踩坑 - 落地实践中的经验，好与坏都是积累

4. 总结与展望

• 更多业务场景落地
• ER 技术路线

你将获得：

• 了解前端构建（Bundless/ESM 服务）、可视化渲染、即时渲染、ER 等一些前沿的技术和成果
• 开拓一些新思路，用新方法如何解决传统低代码的一些问题，比如代码和可视化双向可逆、如何使用 ER 减少构建服务等
• 目前领域相关的挑战，以及 AI 结合的情况下低代码领域未来的展望