在 ChatGPT 爆火的当下，程序员更需要掌握这些开源低代码工具

最近，OpenAI 旗下的 ChatGPT 可谓是爆火出圈，在短短两个月的时间里突破 1 亿注册用户，创造了互联网历史上最快达到 1 亿注册用户的记录。

它强大的功能不仅仅可以生成一些对话，构思文章博客或者写一些内容。甚至通过了 Google L3 级别的程序员面试，在编程技能上碾压很多初级程序员。

虽然很多媒体在鼓吹 ChatGPT 会砸掉很多程序员的饭碗，OpenAI 的创始人 Sam Altman 也表示：“人工智能会让那些可以通过电脑完成的工作的价值下跌得比手工劳动的价值下跌更快，如同繁华都市里电子节奏的颤动使得手工技艺的明亮之光渐渐褪去。”（此段由 ChatGPT 翻译）

现在的 ChatGPT 就像熟读了这个全世界所有的书，然后你问下书里的相关知识他都可以通过快速的总结给你回答，但那些故事本身还是需要人去创造的。反而 AI 大模型蓬勃发展的今天，可以通过整合 AI 的能力变得更强。换句话说， ChatGPT 并不一定会让很多人失业，反而会变得更强。

其实在低代码开发工具里更是如此，低代码的工具的本质其实是将很多枯燥耗时的工作整理成组件，从而可以让用户可以像搭积木一样，快速构建所需要的产品。因此当 AI 遇上低代码工具，就让快速开发这件事更有想象空间了。最近在 GitHub 上开源的低代码平台 ILLA 就在其社交媒体上发布了一段很短的 Demo，通过接入 AI 大模型的功能，使用语言文字快速生成 SQL 语句，然后对已经连接的数据库进行 CRUD(增删改查) 的操作，最后使用内置的组件进行数据可视化操作。

GitHub 地址：https://github.com/illacloud/illa-builder

虽然目前还在 Demo 状态，但是这套行云流水的操作让我感到非常有趣，这意味着以后不太懂技术的人都可以通过日常语言，快速地构建一套完全可以使用的内部工具。而以往一个 SQL 语句就足以难倒很多非技术人员了。上述场景中程序员需要写半小时的代码，而现在有了 AI 的加持，可以在 ILLA 这样的低代码平台里，一分钟快速解决其中还包含了在 AI 服务器里排队的 20 秒。

拥有超过 13 万个各种模型开源模型库 Hugging Face 最近也官宣了他们与 ILLA 的合作，现在通过简单的配置就可以在 ILLA-builder 里实现 Hugging Face 上各种模型的调试和调用。因此很多算法工程师，即使他们不会写前端代码，也可以通过快速的配置跑一个模型做一些有趣的东西。在 ILLA 官方的 Demo 中我们可以看到他们与 Hugging Face 合作一些有趣的使用案例，比如：通过现有的文本资料训练一个简单的问答机器人。虽然和 ChatGPT 有着巨大的差距，但是作为理解这样技能并且在公司范围内去简单的应用这项功能，还是会有意想不到的收获。就比如开源 Serverless 数据库 Supabase 就通过类似的逻辑构建了他们自己的智能 Doc，通过问答生成智能的内容来让解决问题的过程变得更高效。类似的例子完全可以用 Hugging Face 上的模型实现，比如通过这个模型：luhua/chinese_pretrain_mrc_roberta_wwm_ext_large 就可以让用户通过输入语料训练从而实现一些基础问答的场景。可以快速通过以下步骤来实现模型的使用。

步骤 1：在 ILLA Builder 中，使用组件构建 UI

基于您期望的使用场景，搭建前端界面。例如，如果您的产品是输入文字，输出生成图，那您可以使用输入组件和图片组件；如果您的产品是输入文字，输出生成的文字，那您可以使用输入组件或文本组件。

下图是一个基于文本内容做问答的应用界面：

步骤 2：创建一个 Hugging Face 资源，并配置 Action

点击 Action 列表的 + New 并选择 Hugging Face Inference API：

通过完成下述表单，配置 Hugging Face 资源：

• 名称：由您自定义的该资源在 ILLA 中显示的名称；
• Token：注册并登录 Hugging Face，通过 Hugging Face 的 Profile settings 页面获取；

配置 Action，首先确认 Hugging Face 中模型的连接信息，前往 Hugging Face 的 Model 页面，按需选择模型。

以 luhua/chinese_pretrain_mrc_roberta_wwm_ext_large 模型为例，进入模型的详情页，点击右上方 Deploy 并选择 Inference API

inputs 参数后面的内容，即您需要在 ILLA 中配置的参数内容：

回到 ILLA 的 Action 配置，需要填入 Model ID 和 Parameter。对于上图的Model，输入是多个键值对的场景，我们提供了键值对输入和 JSON 输入两种方式，如下图：

此外，ILLA 还支持输入文本和二进制文件，能够满足 Hugging Face 中现存模型的需求。

步骤 3：连接 Action 和组件

将用户前端输入传给API的需求：使用 {{ 获取组件里输入的数据，如input2组件用于输入 question，input1 组件用于输入 context，只需要在 Action 中这两个参数值的位置，填入相关信息即可。下面是使用 JSON 的示例代码：

{
"question": {{input2.value}},
"context": {{input1.value}}
}

在前端组件中展示 Action 的输出数据。首先需要确认不同模型的输出放在哪个字段。仍以 luhua/chinese_pretrain_mrc_roberta_wwm_ext_large 模型为例，运行结果如下：

因此可以用 {{ textQuestion.data[0].answer }} 来获取答案（其中，textQuestion 是action的名称），将 {{ textQuestion.data[0].answer }} 填入用于展示结果的组件的属性配置即可。

Demo 展示

最后，ChatGPT ‍会给现在有很多行业带来很大的冲击，或许在以后只会有数量掌握 ‍AI 相关智能工具的人，和不会使用 AI ‍工具的人。无论如何，这是一个充满变化的时代，去了解使用 ILLA ‍‍这样的工具或者 Hugging Face ‍‍这样的平台，是在 ChatGPT ‍带来改革的这波浪潮中必不可少的技能。

GitHub：https://github.com/illacloud/illa-builder

官网：https://illacloud.com