技术思考问题20:AI该改模型,还是低代码模型源码?
# 模型原生还是代码原生:AI 生成应用的权威事实源之争 > 生成快慢不是问题,谁持有变更事实源才是 ```text [读者] 低代码平台负责人 / 业务应用架构师 [痛点] AI 几句话出应用,上线后却不知改在哪、怎么回退 [现在读] 两条路线都已可用,需要一次可复用的选型判断 [读完] 能用变更事实源与验证责任做出选型与回滚设计 ``` ```text [旧方案] 低代码平台里手工搭表单与流程 | v [新需求] AI 直接生成表、页面、流程,甚至可修改的代码 | v [冲突] 生成变快了,变更对象与验证责任却没被重新界定 | v [后果] 改一处崩一片、回退无路径、审计无证据 ``` 我是老李,在一家做工业设备售后服务的公司负责业务应用架构,平时打交道最多的不是算法,而是“这个应用以后谁来维护”。今年我们要给售后团队做一套工单与备件申请系统,把客户报修、派工、备件申请、现场反馈串成一条线,让客服、工程师和仓库在同一个应用里协作。 一开始的路子很朴素:在低代码平台里拖页面、配流程,几个人做几周也能上线。变化来自两件事。一是需求变密:客户现场网关的数据要自动带进工单、备件要走审批、客户的系统要回调我们的状态;二是 AI 生成能力突然变得可用,业务方开始问:“能不能说一句话就把应用生成出来?” 于是我们试了两条路线。一条是模型原生:Power Apps 的 Copilot 用自然语言帮你创建表和画布应用,Mendix 的 Maia Make 在 Studio Pro 里生成页面、数据结构和微流程;另一条是代码原生:Replit Agent、Lovable 这类工具从描述出发,生成一个可以继续修改的代码仓库。两条路都能很快给出一个能点、能开的原型。 生成速度差不多的时候,凭什么选? 是按平台模型当权威事实源,还是按代码仓库当权威事实源? 如果选错了,第一次重大变更或第一次回退失败的时候,代价由谁承担? # 01、故事 售后系统的现场是这样的:客服在电话里记录报修,工程师在手机上接单,仓库看备件库存,客户在另一套系统里看进度。过去这些环节靠群消息和表格撑,问题不是慢,而是没人能说清“这条工单现在到底在谁手上”。 任务是把它做成一个能长期维护的应用,而不是一个能演示的页面。旧方案是低代码平台手工搭建:先建实体,再配页面和流程,最后按角色分配权限。它的好处是业务方看得懂,坏处是每次改都像在别人的房子里拆墙——你动了客厅,卧室的插座跟着没电。 真正的变化不在于要用 AI,而在于变更的性质变了。以前一个季度改一次,现在业务每周都在提需求;以前只有内部用户在跑,现在外部系统要回调;以前出了问题重启一下就行,现在一次错误发布会让仓库和工程师同时卡住。 于是我们用 AI 各生成了一版原型。模型原生那一版,一句话就出了表、页面和流程;代码原生那一版,几分钟就出了可运行的前后端代码。两边业务方都很兴奋,两边问的都是同一个问题:这东西以后谁来改? 所以本篇不比较谁生成得更快,只回答一件事:谁能正确维护。 > 现场不问快慢 > 只问谁来接手 > 原型终要上线 > 上线终要可改 # 02、问题 旧方案失效的第一步,是它回答不了“这次改动到底改了什么”。平台里点几下就发布,谁改了哪个字段没有记录;AI 原型生成得更快,这个问题反而更严重,因为业务方以为生成出来的是一份可以随手重来的草稿。 业务影响是直接的:派工规则一改,仓库的备件视图打不开;权限一松,外部账号能看到成本价;演示前临时改配置,忘了同步到生产。 技术表现集中在四个缺口:没有权威事实源,同一个字段在多个环境里各有一份;没有差异,平台模型没有可读的文本 diff;没有可复用的验收用例,每次靠人点;没有回退路径,发布包不是增量的,回滚只能靠“再发一次”。 可验证的完成标准,是选型决策必须回答四个问题:这次变更的对象是什么、存在哪里;谁有权批准这次变更;用哪个业务用例证明它没坏;出问题多久能退回去。四个问题里任何一个答不上来,这条路线就还不具备上生产的条件。 > 无版本即无据 > 无差异即无查 > 无测试即无证 > 无回退便难收 # 03、原理 第一性原理在这里的用法是:把“拖拽还是打字”“低代码还是代码”这些交互形式先剥掉,只看两个不变量。 第一个不变量是变更对象。模型原生的改动落在平台元数据上——实体、字段、页面、微流、安全角色;代码原生的改动落在源代码文本上——文件、提交、分支。第二个不变量是验证责任。模型原生把一部分验证交给了平台,类型、关系、权限模型是平台的强约束;代码原生把验证几乎全部交回团队,编译通过并不等于业务正确。 反演思维在这里的用法是:不问“怎么最快上线”,先推演“哪种变更最容易让系统失控,而且最难回滚”。按经验排序,最危险的是三类:动了共享元数据却没人知道,比如非托管层被覆盖;把密钥写进了仓库和构建产物;绕过流程直接改生产环境。这三类恰好都是“快”带来的,也都不是“快”能解决的。 反直觉判断:生成速度与长期可维护性几乎无关。三个月后决定成本的,不是第一次生成用了多少分钟,而是第两百次变更落在哪个对象上、由谁负责证明它没坏。 反直觉判断:模型原生并不是“没有代码”,它是“另一种代码”,只是编译器和调试器都在平台里,你看不到 diff,也很难用检索定位一处配置从哪来。 理解了这两点,后面的架构、故障和优化才有解释力:故障几乎都发生在两件事错位上——改动落在 A,事实源却在 B;验证交给了平台,责任却没交给任何人。 > 拖拽也是代码 > 打字也是模型 > 剥离交互外衣 > 只问变更落处 # 04、架构 ```text [输入] 业务描述 / 变更需求 | v [模块] 生成器(Copilot / Maia Make / Agent) | v [数据/状态] 权威事实源(平台模型 / 代码仓库) | v [处理] 验证与审批(业务用例 / diff / 权限 / 发布) | v [输出] 版本化发布 + 可执行的回退路径 ``` 输入是业务描述和后续变更需求;模块是生成器本身,它不是架构的核心,只是第一个生产者;关键状态是权威事实源,平台模型或代码仓库必须有一个说了算;处理环节是验证与审批;输出必须是“版本化发布 + 可执行的回退路径”,缺一不可。 边界:这套结构管的是应用层的变更,管不了平台自身的升级节奏和底层服务的可用性。 收益:把“生成”从一次性的表演变成可持续的交付,因为每次改动都能回答前面那四个问题。 代价:模型原生要接受平台的表达力边界和发布模型;代码原生要自己补齐流水线、密钥管理和测试,前期投入明显更重。 适用条件:变更频率高、外部集成浅、以内部表单和流程为主,模型原生更合适;变更涉及深度定制、外部协议、复杂前端交互,或需要与既有代码仓库共存,代码原生更合适。真正的决策变量不是生成速度,而是“这类变更以后落在哪里”。 > 输入一段需求 > 落成一处事实 > 过了一道验证 > 留了一条退路 # 05、实战一次 下面用模型原生路线做一个最小但完整的 V1:在 Power Apps 里用对话式 Copilot 生成一个工单应用,并把它打包成可发布的解决方案。本文写作环境未接入对应租户,以下为操作路径与预期结果,具体入口与预览状态需按当前官方文档核验。 环境与版本:一个带 Dataverse 的 Power Platform 环境,Copilot 需在环境中启用;Mendix 一侧使用 Studio Pro 中的 Maia Make 生成页面、领域模型与微流程,最低版本要求需按当前官方文档核验。 依赖:Power Platform CLI(pac),用于解决方案导出与导入;浏览器访问 Power Apps Maker 门户。 第一步,用一段完整描述生成应用,不要只说“做个工单系统”: ```markdown 为工业设备售后服务团队创建一个画布应用,名称 ServiceWorkOrder。 业务对象与关系: 1. 工单 WorkOrder:工单号(自动编号)、客户名称、设备序列号、故障描述、 状态(新建/派工/处理中/待备件/已关闭)、优先级、负责人、创建时间。 2. 备件申请 PartRequest:申请号、关联工单、备件编码、数量、仓库、审批状态、审批人。 3. 客户反馈 Feedback:关联工单、满意度、备注、提交时间。 关系:一个工单可以有多条备件申请和反馈;备件申请必须属于某一个工单。 页面要求: - 工单列表页:按状态和负责人筛选,支持搜索客户名称与设备序列号。 - 工单详情页:编辑基础信息,下方显示关联的备件申请与反馈。 - 新建工单页:客户名称、设备序列号、故障描述为必填。 角色与权限:客服可创建和更新工单;工程师只能更新自己负责的工单; 仓库只能读工单、审批备件申请。 请生成实体、关系、页面与基础公式,不要生成示例数据。 ``` 第二步,核对生成结果里的实体与关系。Copilot 会创建表;如果不使用 Dataverse,画布应用只能生成集合,不会有真正的表: ```yaml 实体: WorkOrder 主键: 工单号 (自动编号) 字段: - 客户名称: 文本, 必填 - 设备序列号: 文本, 必填 - 故障描述: 多行文本, 必填 - 状态: 选项集 [新建, 派工, 处理中, 待备件, 已关闭] - 优先级: 选项集 [低, 中, 高] - 负责人: 查找(用户) 关系: - WorkOrder 1:N PartRequest - WorkOrder 1:N Feedback 安全角色: - 客服: WorkOrder 创建/读取/更新, PartRequest 创建/读取 - 工程师: WorkOrder 仅本人记录的读取/更新 - 仓库: WorkOrder 读取, PartRequest 读取/审批 ``` 第三步,把这一版打包成解决方案,作为后续变更的基线: ```powershell # 参数以官方文档为准,需按当前官方文档核验 pac auth create --url https://your-dev.crm5.dynamics.com pac solution init --publisher-name AfterSales --publisher-prefix als pac solution add-reference --path ./src pac solution export --path ./out/WorkOrder_v1.zip --name ServiceWorkOrder --managed false pac solution import --path ./out/WorkOrder_v1.zip ``` 第四步,启动并走一个真实用例:打开应用的工单列表页,新建一张工单,指派给工程师,提交一条备件申请,切换仓库角色审批,关闭工单。本文未在当前环境实测,以下为预期结果: ```console 示例输出 [通过] 新建工单时必填校验生效 [通过] 工单详情页能看到关联的备件申请 [通过] 仓库角色看不到成本相关字段 [待办] 外部网关回调没有入口 [待办] 发布没有版本号对比,回退只能整包重发 [待办] 审批规则变更没有回归用例 ``` V1 到这里就通了:表、页面、权限、可发布的包都在。它留下的三个待办,正是第 06 章要排查的东西。 > 一稿生成页面 > 一跑验证实体 > 一布核对权限 > 一存版本为凭 # 06、排查 **诊断链一:发布之后,之前的自定义视图消失了。** 现象:在开发环境给工单表加了字段、调整了权限,发布到测试环境后,测试环境上此前的手工视图不见了。 怀疑:平台缓存没刷新,或者发布过程丢东西。 检查:先看解决方案是不是非托管,再看目标环境是否存在同名的非托管自定义,最后比对两次发布的版本号与内容清单。 证据:字段和视图在目标环境被同名非托管层覆盖,发布是把整个解决方案重新打一遍,而不是只提交差异部分。 根因:变更对象是平台元数据,而元数据没有以文本形式存在的差异记录,于是“权威事实源”实际上是最后一次发布的那个包,而不是某次评审通过的变更集。 修复:把托管基线与非托管扩展分层,发布走流水线,每次发布保留版本号与变更说明,禁止在生产环境直接改元数据。 **错误尝试:**我们第一反应是“再点一次发布覆盖回去”。这个判断错在把元数据当成了幂等的代码:非托管层的覆盖是叠加的,第二次发布会把测试环境里别人做的本地自定义一起带走,越修越乱。平台模型没有文本 diff,无法先验证“第二次发布是否等价于第一次”。 **诊断链二:外部网关对接做不下去。** 现象:客户现场网关要求自定义签名、幂等键与指数退避重试,平台自带连接器怎么配都对不上。 怀疑:连接器参数写错了。 检查:查官方连接器的能力清单,确认是否支持自定义 HTTP 头与签名;再确认平台是否允许自定义代码,例如插件、自定义连接器或外部服务来承载这段逻辑。 证据:该能力在官方文档中属于受限范围,或需要自建外部服务承载。 根因:模型原生的事实源在平台,表达力边界由平台定义;平台不支持的部分不是配置问题,而是边界问题。 修复:把这段集成下沉到代码仓库,用函数或容器暴露 REST 接口,平台侧只保留一个轻量调用层,签名与重试逻辑放在代码里做版本管理和测试。 **诊断链三:代码原生原型的密钥出现在仓库里。** 现象:用代码原生工具生成的第一个版本跑通了,随后在构建产物里搜到了第三方 API Key,Git 历史里也有。 怀疑:生成器把密钥写死了。 检查:看 git log 与 diff,看构建产物,看环境变量注入方式,比如配置文件是否被提交、平台是否提供密钥管理。 证据:密钥同时出现在提交记录与打包产物中。 根因:生成器的目标是“生成能跑的东西”,不是“生成可治理的东西”;验证责任默认回到团队,而团队还没有接手。 修复:密钥改由平台环境变量或密钥托管服务注入,历史提交清理并轮换密钥,CI 增加密钥扫描与依赖检查。 **错误尝试:**我们曾想把配置文件加进忽略列表就完事。问题在于历史提交里已经有密钥,忽略文件不会删除历史;另外前端构建仍可能把变量打进产物,必须先确认变量是服务端注入还是构建期注入。 > 覆写多因叠层 > 卡点多在边界 > 泄密起于注入 > 退到代码解围 # 07、优化 **对根因一(没有差异、没有基线):**解决方案分层为托管基线加非托管扩展,生产环境禁止直接改元数据,所有发布走解决方案流水线并打版本号。 这样做的原因:既然平台模型没有文本 diff,就必须用“发布包版本 + 变更说明”这组替代证据来回答“改了什么”。新行为是任何一次发布都能指出上一个可用版本,回退变成“导入上一个版本的包”,而不是“再点一次发布”。 验证方式:在测试环境做一次故意的错误发布,检查能否在不动其他自定义的前提下回到上一版本;再核对该版本的变更说明是否覆盖本次改动。 **对根因二(表达力边界):**把外部集成从平台模型里搬出来,下沉到代码仓库中的独立服务,平台侧只保留调用。 这样做的原因:边界部分不该和平台模型混在同一个事实源里,否则每次集成分支的改动都要重新走平台发布。新行为是集成逻辑有独立的提交历史,可以单测,可以灰度。 验证方式:用同一份签名与幂等用例对独立服务跑测试;平台侧只验证调用参数与错误处理分支。 **对根因三(密钥与治理缺失):**代码原生侧补上密钥注入、密钥扫描、最小测试集和代码差异评审;生成完成后不直接上线,先过一遍 diff。 这样做的原因:代码原生的可塑性来自源代码,代价是治理要自己补。新行为是每次生成后先看 diff 再决定保留哪些改动,而不是整段接受。 验证方式:在 CI 里跑密钥扫描,确认历史提交中不再出现密钥;用售后工单的验收用例集跑一遍回归。 **横向验收(两条路线用同一把尺子):**不做“谁生成得快”的比较,而是用同一组售后工单验收用例,覆盖建单、派工、备件审批、关闭、外部回调、越权尝试,分别跑两条路线,记录四类证据:变更事实源在哪、diff 是否可读、用例是否可自动回归、回退需要多久。同时跟踪四个长期观测指标:从需求到验收的耗时、逃逸缺陷率、回退成功率、功能扩展成本。这些指标只在真实运行中采集,不做预估。 > 分层托管基元 > 下沉协议细节 > 密钥不落仓库 > 用例统一验收 # 08、演进 ```text [同一输入:售后工单应用的一次变更需求] | +--[V1] 平台里改元数据 + 整包发布 | 代价:无 diff、无版本对比、回退靠重发 | +--[V2] 平台托管基线 + 集成下沉代码 + 密钥治理 + 统一用例 | 代价:多一条流水线、多一处事实源需要对齐 | [Trade-off] 得到什么:变更可解释、回退可执行、集成可测试 失去什么:一次点击就发布的轻快感,发布链路变长 适用边界:平台表达力够用时不要过度下沉,否则把简单问题做复杂 ``` 正确性上,V1 只能证明“这一次能跑”,V2 能回答“改动是否等价于评审过的变更集”。稳定性上,V1 的失败模式是不可见的叠加覆盖,V2 把失败模式变成流水线里的显式失败。复杂度上,V2 明显更高,需要有人维护解决方案分层与流水线。成本上,V2 前期投入更大,但在变更频率高的时候被摊薄。适用范围上,内部表单和浅集成留在平台侧,深度定制与外部协议放进代码仓库。遗留问题是两个事实源之间仍需要一个对齐机制——接口契约、发布顺序和负责人,否则 V2 只是把混乱挪了个地方。 > 同题两路作答 > 得利必付其价 > 边界写进决策 > 遗留交给流程 # 09、洞见 ## 9.1 事实源只有一个,另外那个叫副本 一旦允许“平台里改一点、仓库里改一点”,同一个业务规则就会有两份实现,没人知道哪一份生效。工程上正确的顺序是先指定唯一权威事实源,再决定另一侧是只读副本还是通过接口调用。反直觉判断:多一个事实源看起来是多了灵活性,实际是多了一条永久性的对齐成本,而且这条成本会随变更次数线性累积。 ## 9.2 反演要从最难回滚的变更开始推 生成速度是可见的,回滚能力是隐藏的。把问题反过来问:什么样的变更会让系统失控且退不回来?答案几乎总是共享元数据被覆盖、密钥泄漏、绕过审批直改生产这三类。反直觉判断:先把回滚路径设计出来,会让第一次上线看起来慢一点,但它决定的是这个系统能不能活过第二百次变更。 ## 9.3 验证责任不能外包给生成器 生成器能保证“结构上看起来对”,不能保证“业务上确实对”。模型原生把一部分验证交给了平台强约束,关系、类型、权限模型是它的真实优势;代码原生把验证几乎全部交回团队,这是它的真实代价。所以选型时要看的是:这类变更能不能被平台约束住,团队有没有能力补上剩下的部分。 ## 9.4 退路要写在架构里,不是写在文档里 “可以退到代码”这句话如果没有具体触发条件,就等于没有。触发条件应当是可判断的:当平台连接器无法承载协议细节、当定制逻辑需要单测与灰度、当同一份规则需要被外部系统复用,就该下沉。反直觉判断:能退不代表应该退,模型原生在受控边界内仍然是最省维护成本的方案,过早下沉等于用工程复杂度换心理上的安全感。 > 快慢不决成败 > 权威才定归属 > 反演先想失控 > 再谈上线节奏 # 10、系统落地 原来有什么:一个手工搭建的工单应用,加上一堆口头约定和群里的截图。 本篇新增什么:一是选型判断标准——变更事实源、可测试性、长期所有权;二是两条路线的检查清单——模型型原型检查实体关系、权限与发布版本,代码型原型检查 Git 差异、密钥注入与测试覆盖;三是统一的验收方式——用同一组售后工单用例横向比较;四是回滚设计——针对重大风险变更设置人工审批与回退步骤。 现在能做什么:拿任何一个 AI 生成的原型,先用同一组业务用例验收,再判断它该以平台模型还是代码仓库作为权威事实源,并明确谁负责证明它没坏。 还缺什么:两条路线之间缺少自动化的对齐机制,例如平台侧的接口契约是否随代码侧版本同步;跨环境的权限差异还没有自动检查;验收用例集还没有形成可回归的资产。 下一步如何演进:把验收用例固化成可重复执行的回归集,把权限与密钥检查放进流水线,把“重大风险变更”的清单和审批人写死在流程里,最后再谈生成能力的规模化使用。 > 先立事实之源 > 再补验证之链 > 后括回退之路 > 终定归属之责 # 11、小结 ```text Q1 → 生成速度相近时,选型看变更事实源、可测试性与长期所有权 Q2 → 谁是权威事实源,取决于变更落在平台模型还是代码仓库 Q3 → 选错的代价在第一次重大变更与第一次回滚时暴露,要用审批与回退路径兜住 状态 → 两条路线都能交付,本篇给出可验收、可回退、可分工的选型与治理方法 ``` 模型原生与代码原生都不是终点,它们只是同一套交付要求在不同事实源上的实现方式;真正要交付的,是一条能被解释、能被验证、能被退回的变更链路。 > 模型原生可达 > 代码原生可达 > 选择不在速度 > 而在谁能维护 # 12、作业 ## 12.1 理解题:为什么拖拽式的低代码应用也属于“另一种代码”? 参考答案:因为它的变更对象同样是计算机可执行的产物,只不过存在形式是平台元数据而不是文本文件。元数据同样需要版本、差异、评审与回退,只是这些能力由平台提供或缺失。把它当成“不需要工程管理的配置”,是很多发布事故的起点。 ## 12.2 实战题:用同一组售后工单验收用例横向比较两条路线,你会采集哪些证据? 参考答案:四类证据。变更事实源,改动落在哪、是否存在版本号;差异可读性,能否看到这次改了什么;验证能力,用例能否自动回归、有没有权限与越权用例;回退能力,回到上一个可用版本需要多久、是否需要人工重建。同时记录需求到验收的耗时、逃逸缺陷率、回退成功率与功能扩展成本作为长期观测项。 ## 12.3 排障题:生产发布后自定义视图消失,如何定位并止损? 参考答案:先止损,停止继续发布,确认上一个可用版本的包并准备回退;再定位,检查解决方案是否为非托管、目标环境是否存在同名非托管自定义、比对两次发布的版本与内容清单。根因通常是整包发布导致非托管层叠加覆盖,修复方向是托管基线加非托管扩展、发布走流水线并保留版本号与变更说明。注意不要用“再发一次”当作修复手段。 ## 12.4 架构判断题:模型原生覆盖不了深度定制时,该不该整体迁到代码原生? 参考答案:不该整体迁移。先判断定制部分的边界:如果只是协议细节、签名重试、需要单测与灰度的逻辑,就把这部分下沉到代码仓库,平台侧保留轻量调用层;只有当业务主体,也就是数据模型、页面、权限本身无法被平台表达时,才考虑整体迁移。整体迁移意味着同时承担两套体系的治理成本,这是最贵的选项。 > 一题辨清对象 > 一题采集证据 > 一题锁定止损 > 一题写死边界 # 13、思考 回到最初那个冲突:生成很快,但没人说得清改动落在哪里、由谁负责证明它没坏。两条路线都没有绕开这个问题,只是把它放在了不同的位置——模型原生把验证责任部分交给了平台约束,代码原生把治理责任几乎全部交回团队。 可复用的判断是:先定权威事实源,再定验证责任,最后才谈生成速度。谁的变更能被解释、被验证、被退回,谁才有资格做这条业务线的主路径。 > 快是入口之利 > 养是长久之功 > 先定谁主变更 > 再论何处生成