[{"data":1,"prerenderedAt":78},["ShallowReactive",2],{"article-ai-native-employee":3,"article-related-pool":18},{"category":4,"content":5,"cover_image":6,"create_dept":7,"create_time":8,"create_user":7,"created_at":9,"id":10,"is_pinned":11,"published_at":12,"slug":13,"sort_order":11,"status":14,"summary":15,"tags":16,"title":17,"updated_at":9,"view_count":11},"tech","\u003Ch2>AI 不是「外挂」，是平台原生的一部分\u003C\u002Fh2>\n\u003Cp>不少系统把 AI 做成一个「单独接进来的对话框」——业务系统管业务，AI 在旁边陪聊，两边并不真打通。衍数平台不是这个思路：\u003Cstrong>AI 是框架原生内建的能力\u003C\u002Fstrong>，它像一名能进入业务系统的员工——能查数、能汇总、能按模板生成内容，关键步骤还停下来等您批准。\u003C\u002Fp>\n\n\u003Ch2>一名「AI 数字员工」由什么构成\u003C\u002Fh2>\n\u003Cp>平台里的 AI 数字员工，不是一个模糊的「大模型」，而是被定义好边界的一组能力：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>职责\u003C\u002Fstrong>：它负责什么（例如开发员工负责按需求建模型、生成页面）；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>可读的资料\u003C\u002Fstrong>：它能看哪些企业文档与知识；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>可调用的能力\u003C\u002Fstrong>：它能做哪些事；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>需要人批的操作\u003C\u002Fstrong>：哪些动作它不能自己拍板，要停下等人审。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>所以它不是自行决定的独立个体，而是在明确边界内执行任务的平台能力——边界由配置定义，受权限约束。\u003C\u002Fp>\n\n\u003Ch2>把活交给它：三种派发方式\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>对话里直接说\u003C\u002Fstrong>：例如「帮我建一个客户表」，员工确认任务范围后开始；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>结构化表单\u003C\u002Fstrong>：把要求逐项填清楚后派发，适合边界明确的批量任务；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>例行班表\u003C\u002Fstrong>：像「每周一自动出一份经营周报」这种周期性的活，配成定时任务后到期自动执行，不必每次手动喊它。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>它怎么「按规矩干活」\u003C\u002Fh2>\n\u003Cp>执行中它受两套约束夹着走：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>权限同一把尺\u003C\u002Fstrong>：AI 与人在同一套角色\u002F数据范围下行动——它只能读被授权范围内的数据，越权请求会被拒绝。AI 不是绕过权限的后门；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>关键操作人拍板\u003C\u002Fstrong>：涉及发布、数据写入、不可逆操作、对外交付的内容，AI 会把结果停在「待审批」，负责人通过后才继续。平台里 \u003Cstrong>AI 不拥有最终拍板权\u003C\u002Fstrong>。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>每一步都能被看见、被回溯\u003C\u002Fh2>\n\u003Cp>把活交给 AI 不代表「丢出去就不管了」：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>状态可见\u003C\u002Fstrong>：员工状态灯、正在执行的任务、待审事项在界面呈现——它干到哪一步是透明的；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>日志留痕\u003C\u002Fstrong>：工作日志按时间线记录执行了什么、交付了什么，成果可回看；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>全局可管\u003C\u002Fstrong>：管理者可在 AI 运营中心查看整批员工的状态、待审批队列与运行情况。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>这对您意味着什么\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>重复的活交给 AI\u003C\u002Fstrong>：查数、汇总、拟稿、按规则生成报表这类规则明确的活，可自动执行；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>关键处您把关\u003C\u002Fstrong>：涉及发布与不可逆操作，永远有人审这一关；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>过程可信\u003C\u002Fstrong>：执行、审批、留痕可追溯——信任不是来自「AI 很乖」，而是每一步都被看见、被把关。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>延伸阅读\u003C\u002Fh2>\n\u003Cp>想了解员工体系全貌与一次任务的完整链路，打开官网右上角「用户手册」：「核心概念」的《AI 数字员工 · 工作机制》《AI 数字员工体系》，以及「框架机制与边界」的《AI 数字员工的一次完整任务》。想实际体验，可在演示系统里让 AI 现场生成一套演示环境感受下。\u003C\u002Fp>\n","\u002Fimages\u002Fbrand\u002Fcover-tech.webp","","2026-09-03T20:31:42+08:00","2026-09-03T20:31:43+08:00","d38cb440-18e4-4f92-a6d8-d3286a04663a",0,null,"ai-native-employee","published","AI 不是外挂，是平台原生内建的能力。看一名 AI 数字员工如何被定义边界、如何派活、为何关键操作要停下等人审批。","[\"衍数平台\", \"AI 数字员工\", \"AI 原生\"]","AI 数字员工怎么在平台里干活：原生内建、派活授权、按口径作答",[19,26,35,42,43,51,60,67],{"category":4,"content":20,"cover_image":6,"create_dept":7,"create_time":8,"create_user":7,"created_at":9,"id":21,"is_pinned":11,"published_at":12,"slug":22,"sort_order":11,"status":14,"summary":23,"tags":24,"title":25,"updated_at":9,"view_count":11},"\u003Ch2>接到「做一套管理功能」的活，怕的是从白屏开始\u003C\u002Fh2>\n\u003Cp>很多业务系统建设的痛点不是「功能多复杂」，而是「常规功能也要从一张白屏开始」——先建表、再写一堆页面。衍数给出的路径很直接：\u003Cstrong>先定义数据，界面自动长出来。\u003C\u002Fstrong>这篇我们用一个通用例子（比如「商品管理」）把 0 → 1 走一遍，也把最容易踩的几个坑摊开讲。\u003C\u002Fp>\n\n\u003Ch2>第一步：想清楚要管理什么——定义模型\u003C\u002Fh2>\n\u003Cp>不做一张空表，而是先回答三件事：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>名字\u003C\u002Fstrong>：这块业务叫什么、对外显示成什么；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>字段类型\u003C\u002Fstrong>：文本、数字、日期、下拉、还是引用另一张表的数据；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>约束\u003C\u002Fstrong>：哪些必填、默认值、是否唯一、是否参与搜索。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cblockquote>\n坑一：字段类型想清楚再填。类型定错（比如把日期存成文本、把金额存成不做计算的文本）是后面返工最常见的源头。\n\u003C\u002Fblockquote>\n\n\u003Ch2>第二步：关联关系，越早声明越好\u003C\u002Fh2>\n\u003Cp>如果「订单」要引用「客户」，最好在定义模型时就声明这个关联。声明之后，平台在列表、详情里会自动把客户显示成名称，而不是一串内部编号。\u003C\u002Fp>\n\u003Cblockquote>\n坑二：关联没在模型阶段声明，后面列表会显示一串看不出意义的编号，再回头补就麻烦了。\n\u003C\u002Fblockquote>\n\n\u003Ch2>第三步：发布前，先看预览\u003C\u002Fh2>\n\u003Cp>提交定义时，平台先生成一份\u003Cstrong>建表结构预览\u003C\u002Fstrong>——只读展示「如果正式创建，会生成什么样的数据表」。这一步不落库、完全可逆，不满意直接返回改。\u003C\u002Fp>\n\u003Cblockquote>\n坑三：把「预览」当「发布」。预览只是给你看结构，发布才是真正让模型生效。两者不是一回事，操作前先确认。\n\u003C\u002Fblockquote>\n\n\u003Ch2>第四步：发布——真正让系统「变了」\u003C\u002Fh2>\n\u003Cp>确认无误后发布，模型才真正落库。发布后，该模型的\u003Cstrong>列表、查询、表单、详情\u003C\u002Fstrong>基本自动可用——不需要为每个功能手写页面。\u003C\u002Fp>\n\u003Cp>发布这一步，有两件事值得记住：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>涉及删除字段、改字段类型这类破坏性变更，正式环境需要管理员权限并二次确认；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>删除字段会把该字段的历史数据一并移除且不可恢复\u003C\u002Fstrong>——动手前确认影响范围、做好备份。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>第五步：用配置收尾，而不是写页面\u003C\u002Fh2>\n\u003Cp>页面自动可用之后，剩下的打磨大多也是配置级的，常见就五件事：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>列表列\u003C\u002Fstrong>：默认展示哪些列、顺序、宽度；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>关联显示\u003C\u002Fstrong>：把引用字段显示成名称而非编号；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>搜索\u003C\u002Fstrong>：哪些字段参与搜索，日期用日期范围、下拉用选项；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>按钮与操作\u003C\u002Fstrong>：谁能看、谁能改、谁能删（按角色），删除建议开二次确认；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>排序分页\u003C\u002Fstrong>：默认排序与每页条数。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cblockquote>\n坑四：改了配置发现「没生效」？先查是不是还停在草稿——发布才真正生效，草稿改再多也看不到。\n\u003C\u002Fblockquote>\n\n\u003Ch2>最后：跑一遍真数据\u003C\u002Fh2>\n\u003Cp>别急着交付——造一条真实样例数据，把「新增 → 搜索 → 详情 → 编辑」走一遍再交付。先跑通，再打磨。平台还提供\u003Cstrong>免登录的在线演示\u003C\u002Fstrong>，可先体验现成行业模板（订单、库存、工单……）感受成品长什么样，再回到自己的系统里动手。\u003C\u002Fp>\n\n\u003Ch2>延伸阅读\u003C\u002Fh2>\n\u003Cp>完整操作步骤见官网右上角「用户手册」：「使用指南」分组下的《定义模型并生成页面》《配置一个通用管理列表》，以及「快速开始」的《五分钟快速上手》。想先看成品，可在官网任意「体验演示」入口进入免登录演示系统。\u003C\u002Fp>\n","07977287-37ff-4191-9ed5-31af1d2ce740","build-system-model","以「商品管理」为例走一遍定义模型→发布→配置收尾，并摊开四个最常见的坑：类型定错、预览当发布、关联没声明、草稿没发布。","[\"衍数平台\", \"上手教程\", \"数据模型\"]","从 0 到 1：用模型搭建一套可用的业务系统",{"category":4,"content":27,"cover_image":6,"create_dept":7,"create_time":8,"create_user":7,"created_at":9,"id":28,"is_pinned":29,"published_at":12,"slug":30,"sort_order":11,"status":14,"summary":31,"tags":32,"title":33,"updated_at":34,"view_count":11},"\u003Ch2>零售说赚、批发说赚，财务却说没赚\u003C\u002Fh2>\n\u003Cp>在企业里，这不是段子，是每天都可能发生的争执。症结往往不是账算错了，而是\u003Cstrong>大家对同一个词的定义不一样\u003C\u002Fstrong>：报表里的「销售额」有的扣了运费、有的没扣；有的按开票、有的按回款。每个部门手里都有一套「自己的销售额」，数字自然对不上。\u003C\u002Fp>\n\n\u003Ch2>口径不一致，是从「各算各的」开始的\u003C\u002Fh2>\n\u003Cp>传统方式下，同一笔业务的指标，可能在报表、看板、财务核算里被各自实现一遍——每个地方都写一次「销售额怎么算」，日子久了必然走样。报表可以重复制作，但\u003Cstrong>「销售额是什么意思」不该每个地方定义一遍\u003C\u002Fstrong>。\u003C\u002Fp>\n\n\u003Ch2>衍数的做法：把口径收进一份「字典」\u003C\u002Fh2>\n\u003Cp>衍数平台内置一套\u003Cstrong>经营指标体系（口径字典）\u003C\u002Fstrong>：把销售额、毛利、客单价这些关键经营词汇，分别定义为\u003Cstrong>全平台唯一的权威口径\u003C\u002Fstrong>。报表、看板、AI 数据解读引用同一指标时，用的是同一份定义——不是靠大家约定，而是它们本来就指向同一个定义。\u003C\u002Fp>\n\u003Cp>再配合几条硬规则，口径漂移基本被堵死：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>同一词汇 = 同一数字\u003C\u002Fstrong>：无论在哪看到的「销售额」，指向同一份定义与同一组数据；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>比率按财务逻辑算\u003C\u002Fstrong>：问「各店平均毛利率」，平台按「总毛利 ÷ 总营收」整体计算，而不是先算单店再平均——算出来的结果与财务口径一致；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>状态有统一词典\u003C\u002Fstrong>：订单状态、操作类型各有一份权威词典，不再复制粘贴导致漂移。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>更关键的：AI 也按这份口径作答\u003C\u002Fh2>\n\u003Cp>通用大模型懂很多知识，却不懂您这家公司——「销售额」含不含取消订单、「毛利」要不要摊损耗，它无从得知。如果让 AI 按通用做法去算企业财务数据，结论必然偏离实际。\u003C\u002Fp>\n\u003Cp>衍数把口径字典作为 AI 的\u003Cstrong>企业口径依据\u003C\u002Fstrong>：AI 数据解读引用字典的权威定义、基于企业数据计算，关键数字可下钻验证。换句话说——\u003Cstrong>AI 不是拿网上的常识猜您的生意，而是按您企业定义的口径、从您企业的数据里来。\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Ch2>这对您意味着什么\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>对得上账\u003C\u002Fstrong>：报表里的数、AI 说的数、财务核算的数，指向同一份口径；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>少扯皮\u003C\u002Fstrong>：「你说的销售额含不含取消单」这类争论，在口径定义清楚后自然消失；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>能沉淀\u003C\u002Fstrong>：报表是易耗品，口径字典是资产——口径作为可沉淀的定义，随系统归属企业、可随项目迁移，不必因人员变动或系统更换而重新定义。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>从预置指标开始，不必从零发明口径\u003C\u002Fh2>\n\u003Cp>担心「我们自己定口径会不会又定错」？衍数已按业务域预置了行业常用指标，选择模板即自带——例如把「销售额」与「订单总额」拆成两个指标，各归各位。企业要做的是在预置基础上按自身业务微调，而不是从零设计一套。\u003C\u002Fp>\n\n\u003Ch2>延伸阅读\u003C\u002Fh2>\n\u003Cp>想了解口径字典的定义与校验机制，打开官网右上角「用户手册」：「核心概念」的《经营指标体系 · 口径字典》与「框架机制与边界」的《指标口径：定义与校验》。想先看效果，可进入免登录演示系统体验经营概览——报表、看板、AI 解读共用同一套口径。\u003C\u002Fp>\n","08cc22a9-00ab-4190-a87d-c296ad289625",1,"metrics-one-number","零售说赚、批发说赚、财务却说没赚——口径不一致让对账变成扯皮。衍数如何把经营词汇收进一份口径字典，并让 AI 也按这份口径作答。","[\"衍数平台\", \"经营指标\", \"口径字典\", \"AI\"]","指标口径：为什么「销售额」全平台只有一个数","2026-09-03T20:40:09+08:00",{"category":4,"content":36,"cover_image":6,"create_dept":7,"create_time":8,"create_user":7,"created_at":9,"id":37,"is_pinned":29,"published_at":12,"slug":38,"sort_order":11,"status":14,"summary":39,"tags":40,"title":41,"updated_at":9,"view_count":11},"\u003Ch2>一个业务模块，传统上要过五道工序\u003C\u002Fh2>\n\u003Cp>建一张业务表，背后其实是五件重复劳动：建表 → 写读写接口 → 写管理页面 → 配权限 → 联调。每来一个新的业务模块，这五件事就从头再来一遍。大部分工作量不在「业务逻辑」本身，而在把这些常规动作一遍遍重复实现。\u003C\u002Fp>\n\u003Cp>衍数平台的衍枢（Derive-Core），用一句很朴素的话回应：\u003Cstrong>把「数据定义」作为唯一输入，其余交给平台。\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Ch2>以「定义」为单一输入\u003C\u002Fh2>\n\u003Cp>在衍枢里，您不直接建表、不写接口、不写管理页，而是先描述清楚一个数据模型——字段有哪些、什么类型、哪些必填、跟别的数据什么关系。这些信息一旦定义清楚，平台就能往下走：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>生成数据结构\u003C\u002Fstrong>：把模型翻译成数据表的建表结构；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>生成读写能力\u003C\u002Fstrong>：该模型的查询、保存、删除等读写能力随之可用；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>生成管理页面\u003C\u002Fstrong>：列表、表单、详情基本自动可用，无需手写页面；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>纳入统一管控\u003C\u002Fstrong>：权限、操作留痕等随平台统一生效，而不是每个模块各自实现一遍。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>让「定义」更聪明的两个细节\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>字段类型不只是「存什么」。\u003C\u002Fstrong>一个字段被声明为「下拉枚举」或「关联引用」，平台就理解它的语义——比如订单模型引用客户，界面上显示的是客户名称，而不是一串内部编号。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>校验在模型层定义一次。\u003C\u002Fstrong>「必填」「格式」这类约束在数据模型里声明后，前端与后端共用同一套规则——不必各写一遍、还要担心两边不一致。\u003C\u002Fp>\n\n\u003Ch2>发布，是安全的分界点\u003C\u002Fh2>\n\u003Cp>定义模型时，平台先生成一份\u003Cstrong>建表结构预览（只读、不落库）\u003C\u002Fstrong>——先看清「如果创建，会生成什么样的表」，这一步完全可逆。确认后才发布，发布真正改变底层结构。\u003C\u002Fp>\n\u003Cp>这里有一条重要的安全护栏：\u003Cstrong>删除字段，会将该字段下的历史业务数据一并移除且不可恢复\u003C\u002Fstrong>。因此正式环境的删除类操作需要管理员权限并二次确认——平台宁可让您多确认一次，也不让一次误删带走历史数据。测试\u002F演示环境则可放心操作，那里数据可以重置。\u003C\u002Fp>\n\u003Cblockquote>\n发布前的预览，是您反复核对结构的机会——越早发现要改的，代价越小。\n\u003C\u002Fblockquote>\n\n\u003Ch2>诚实地说：不是所有功能都只靠定义模型\u003C\u002Fh2>\n\u003Cp>自动化覆盖的是数据层的常规读写与页面。涉及状态流转、金额对账、跨系统集成这类复杂规则，仍需要在平台的能力上做实现——但您不再需要从建表和 CRUD 开始，那部分已经被模型接管了。\u003C\u002Fp>\n\n\u003Ch2>这对您意味着什么\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>起步快\u003C\u002Fstrong>：新业务从「定义模型」开始，常规能力自动就位；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>改动受控\u003C\u002Fstrong>：结构变更先预览、再发布，破坏性操作有确认与备份提醒；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>权限一致\u003C\u002Fstrong>：统一权限与操作留痕随平台生效，不靠每个模块各自实现。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>延伸阅读\u003C\u002Fh2>\n\u003Cp>衍枢是「一次定义、处处生成」的核心。想深入理解模型、字段与发布机制，打开官网右上角「用户手册」，查阅「核心概念」的《动态数据模型 · 衍枢》与「框架机制与边界」的《模型发布护栏》；想上手走一遍，看「使用指南」的《定义模型并生成页面》。\u003C\u002Fp>\n","b99e4d7d-1da8-4829-b04b-65a0ccf8154f","yan-core-model","一个业务模块从建表到联调的传统五道工序，如何被「定义一次数据模型」替代。衍枢的模型驱动、预览先行与发布护栏。","[\"衍数平台\", \"衍枢\", \"数据模型\", \"低代码\"]","衍枢：一次定义，模型、接口、页面处处生成",{"category":4,"content":5,"cover_image":6,"create_dept":7,"create_time":8,"create_user":7,"created_at":9,"id":10,"is_pinned":11,"published_at":12,"slug":13,"sort_order":11,"status":14,"summary":15,"tags":16,"title":17,"updated_at":9,"view_count":11},{"category":4,"content":44,"cover_image":6,"create_dept":7,"create_time":45,"create_user":7,"created_at":45,"id":46,"is_pinned":11,"published_at":12,"slug":47,"sort_order":11,"status":14,"summary":48,"tags":49,"title":50,"updated_at":9,"view_count":11},"\u003Ch2>从一个常见需求说起\u003C\u002Fh2>\n\u003Cp>「加一列」「改个搜索」「调整表单顺序」——这些看起来很小的需求，在很多团队里却要排期等开发。原因不是改动本身难，而是每一次小改动都要经过「找开发 → 改代码 → 联调 → 发版」。当系统是用代码一行行堆出来的，任何界面变化都牵一发而动全身。\u003C\u002Fp>\n\u003Cp>衍数平台对此有一个不同的答案：\u003Cstrong>界面可以被配置描述，改动属于配置级，而不是代码级。\u003C\u002Fstrong>这就是衍景（Derive-View）做的事。\u003C\u002Fp>\n\n\u003Ch2>界面的「结构」和「实现」，是两件事\u003C\u002Fh2>\n\u003Cp>传统开发把这两件事揉在一起：一个页面的样子（有哪些字段、怎么排）和它怎么运行（渲染、分页、权限校验）都是代码。而衍景把它们拆开：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>您只需要描述结构\u003C\u002Fstrong>——这个页面有哪些字段、怎么搜索、列怎么展示；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>运行的部分交给通用组件\u003C\u002Fstrong>——渲染、分页、筛选、权限，平台内置完成。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>于是「做一个单据管理列表」不再是重写一遍界面，而是描述一份配置，页面就长出来了。\u003C\u002Fp>\n\n\u003Ch2>一份页面配置里，到底有什么\u003C\u002Fh2>\n\u003Cp>拿一段示意来看（实际配置由平台定义模型后自动生成，不必手写）：\u003C\u002Fp>\n\u003Cpre>{\n  \"list\": {\n    \"title\": \"订单列表\",\n    \"search\": [\"order_no\", \"status\"],\n    \"columns\": [\n      { \"field\": \"order_no\", \"label\": \"订单号\" },\n      { \"field\": \"status\", \"label\": \"状态\", \"type\": \"dict\" }\n    ]\n  }\n}\u003C\u002Fpre>\n\u003Cp>这里的 \u003Ccode>type: \"dict\"\u003C\u002Fcode> 值得多说一句：它告诉平台「这个字段是一个字典值」，于是平台自动把状态码渲染成中文标签，而不是让您为每个下拉框写一遍控件。字段的「语义」被平台理解后，很多重复工作自然省掉了。\u003C\u002Fp>\n\n\u003Ch2>同一个模型，可以有不同的视图\u003C\u002Fh2>\n\u003Cp>数据是同一份，看的人不同，需要的界面也不同。衍景里一个数据模型可以对应多个视图——给运营看统计口径的界面、给仓库看待办的界面，各自配置、互不干扰。改视图不影响数据，改模型则处处生效。\u003C\u002Fp>\n\n\u003Ch2>这对您意味着什么\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>改动快\u003C\u002Fstrong>：加列、调搜索这类调整，是配置级改动，不必等一轮开发排期；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>样式统一\u003C\u002Fstrong>：界面风格由框架内置，而不是靠个人开发习惯——一整个系统的界面观感是统一的；\u003C\u002Fli>\n\u003Cli>\u003Cstrong>能带走\u003C\u002Fstrong>：页面配置作为平台资产随数据模型一起管理，可随项目迁移与复用。\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>常见疑问\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>是不是完全不能写自定义代码？\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>需要个性化交互时，可以在通用组件上扩展——平台允许在保持配置主路径的同时接入自定义实现。多数日常管理功能用配置就足够。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>那这些页面配置到底存在哪？\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>配置与数据模型一起作为平台资产管理，可以随项目一起迁移与复用——它不是散落在某个工程师手里的代码片段。\u003C\u002Fp>\n\n\u003Ch2>延伸阅读\u003C\u002Fh2>\n\u003Cp>界面是表象，背后是「数据模型 → 视图」的完整链路。想理解界面配置与动态模型的运作方式，可以打开官网右上角「用户手册」，查阅「核心概念」分组下的《衍景》《衍枢》两篇，以及「使用指南」里的《定义模型并生成页面》。\u003C\u002Fp>\n","2026-09-03T20:31:30+08:00","83c3dc19-fb93-4fb8-97c5-0dc28e456276","yan-view-config","从「加一列要排期」说起——当界面可以用配置描述，改动就属于配置级而非代码级。衍景如何把界面的结构与实现分开、让一个模型服务多个视图。","[\"衍数平台\", \"衍景\", \"配置化\", \"低代码\"]","衍景：为什么一份配置就能生成一套界面",{"category":4,"content":52,"cover_image":6,"create_dept":7,"create_time":53,"create_user":7,"created_at":53,"id":54,"is_pinned":29,"published_at":12,"slug":55,"sort_order":11,"status":14,"summary":56,"tags":57,"title":58,"updated_at":59,"view_count":11},"\u003Ch2>引言\u003C\u002Fh2>\u003Cp>2026 年，低代码平台已经进入 AI 原生时代。传统的拖拽式表单已经不再是卖点——AI 驱动的模型生成、智能表单填充、自然语言查询正在成为标配。但市场上数十款低代码平台，如何选择适合自己企业的那一款？\u003C\u002Fp>\u003Ch2>评估维度一：AI 能力深度\u003C\u002Fh2>\u003Cp>不是所有所谓AI低代码都是真正的AI原生。关键区分点：\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Level 1 - AI 辅助开发\u003C\u002Fstrong>：AI 帮你写代码片段、生成 SQL。本质还是写代码。\u003C\u002Fli>\u003Cli>\u003Cstrong>Level 2 - AI 驱动配置\u003C\u002Fstrong>：描述业务需求，AI 自动生成数据模型和页面配置。非研发人员可以参与。\u003C\u002Fli>\u003Cli>\u003Cstrong>Level 3 - AI Agent 自治\u003C\u002Fstrong>：AI 不仅能生成，还能根据运行时数据自动优化模型、推荐改进方案。这是我们衍数平台的目标。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>评估维度二：数据安全与私有化\u003C\u002Fh2>\u003Cp>如果你的业务数据不能离开企业内网，SaaS 模式直接排除。需要确认：\u003C\u002Fp>\u003Cul>\u003Cli>是否支持完全私有化部署（不只是混合云）\u003C\u002Fli>\u003Cli>LLM 推理是否可以本地化（Ollama \u002F vLLM），还是强依赖云端 API\u003C\u002Fli>\u003Cli>数据库是否可以使用企业已有的 PostgreSQL \u002F MySQL 实例\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>评估维度三：扩展性\u003C\u002Fh2>\u003Cp>低代码平台最大的风险是能快速上手但遇到复杂需求就被卡住。确保平台提供代码级别的逃生舱：自定义后端逻辑（Go\u002FJava Hook）、自定义前端组件（Vue\u002FReact 组件嵌入）、自定义 API 集成。\u003C\u002Fp>\u003Ch2>总结\u003C\u002Fh2>\u003Cp>选择低代码平台不是选功能最多的，而是选最匹配你的团队能力和业务阶段的。如果你有研发团队，优先考虑可扩展、可私有化的方案；如果团队以业务人员为主，SaaS 模式的一站式方案更合适。\u003C\u002Fp>","2026-07-16T10:32:31+08:00","1217a079-6c7b-42d1-b3cb-065e348a0bde","ai-lowcode-platform-guide","如何选择适合企业的低代码平台？从 AI 能力、数据安全、扩展性和部署方案四个维度全面对比。","[\"AI\", \"低代码\", \"平台选型\"]","AI 低代码平台选型指南：从 LLM 集成到私有化部署","2026-07-17T09:33:56+08:00",{"category":4,"content":61,"cover_image":6,"create_dept":7,"create_time":53,"create_user":7,"created_at":53,"id":62,"is_pinned":11,"published_at":12,"slug":63,"sort_order":11,"status":14,"summary":64,"tags":65,"title":66,"updated_at":59,"view_count":11},"\u003Ch2>引言\u003C\u002Fh2>\u003Cp>2026 年，大语言模型已经从炫技走向实用。但要构建一个真正可用的企业级 LLM 应用，远不止调用 API 那么简单。本文从实践角度梳理 LLM 应用开发的核心概念。\u003C\u002Fp>\u003Ch2>第一层：Prompt Engineering\u003C\u002Fh2>\u003Cp>最基础的 LLM 应用就是写一个好的 Prompt。但好的 Prompt 不是一次写成的——需要像写代码一样迭代测试。核心技巧：明确角色、提供示例（Few-shot）、结构化输出要求（JSON Schema）。\u003C\u002Fp>\u003Ch2>第二层：RAG（检索增强生成）\u003C\u002Fh2>\u003Cp>Prompt 能解决的问题有限——模型的知识截止于训练日期，无法回答关于你的私有文档的问题。RAG 通过在生成前检索相关文档片段，让模型看到它原本不知道的信息。\u003C\u002Fp>\u003Cp>一个生产级 RAG 系统至少需要：文档解析 → 文本分割 → 向量化 → 向量存储 → 检索 → 重排序 → 生成。每个环节都有坑。\u003C\u002Fp>\u003Ch2>第三层：AI Agent\u003C\u002Fh2>\u003Cp>Agent 是 LLM 应用的终极形态——模型不再是回答问题，而是能自主规划、调用工具、执行多步任务。但 Agent 也是最难做好的——自主性越高，不可控性越强。\u003C\u002Fp>\u003Ch2>总结\u003C\u002Fh2>\u003Cp>不要一上来就做 Agent。先做好 Prompt，再引入 RAG，最后考虑 Agent。80% 的企业场景，RAG 就够了。\u003C\u002Fp>","39005d54-307b-4834-b21d-1c9ec129fbef","llm-app-development","从 API 调用到构建企业级 LLM 应用，理解 Prompt Engineering、RAG 和 AI Agent 的核心概念与实践。","[\"LLM\", \"RAG\", \"AI Agent\"]","大语言模型应用开发入门：从 Prompt 到 Agent",{"category":68,"content":69,"cover_image":70,"create_dept":7,"create_time":71,"create_user":7,"created_at":71,"id":72,"is_pinned":29,"published_at":73,"slug":74,"sort_order":11,"status":14,"summary":75,"tags":76,"title":77,"updated_at":59,"view_count":11},"industry","\u003Ch2>引言\u003C\u002Fh2>\u003Cp>数字化转型不是一次性项目，而是一个持续演进的过程。根据我们服务 50+ 企业的经验，成功的数字化转型通常经历三个阶段。每个阶段有不同的核心任务和典型陷阱。\u003C\u002Fp>\u003Ch2>阶段一：信息化——把数据从纸质搬到数字世界\u003C\u002Fh2>\u003Cp>这是最基础但最关键的一步。很多企业以为上了 OA、买了财务软件就是完成了信息化，但实际上各系统数据不互通，仍是信息孤岛。\u003C\u002Fp>\u003Cp>\u003Cstrong>核心任务：\u003C\u002Fstrong>建立统一的数据标准和主数据管理体系。至少确保客户、产品、员工三个核心实体在各系统中口径一致。\u003C\u002Fp>\u003Ch2>阶段二：数字化——让数据流动起来\u003C\u002Fh2>\u003Cp>信息化的数据是死的——在各个系统里躺着。数字化的核心是让数据在不同系统、不同部门之间流动，驱动业务流程自动化。\u003C\u002Fp>\u003Cp>\u003Cstrong>核心任务：\u003C\u002Fstrong>构建企业级数据中台或集成平台，打通 ERP、CRM、MES、WMS 等核心系统。重点是 API 治理和数据血缘。\u003C\u002Fp>\u003Ch2>阶段三：智能化——让 AI 参与决策\u003C\u002Fh2>\u003Cp>有了高质量的数据和流畅的数据管道，AI 才能真正发挥价值。这不是买一个 AI 产品能解决的——需要企业的数据基础设施已经就绪。\u003C\u002Fp>\u003Cp>\u003Cstrong>核心任务：\u003C\u002Fstrong>识别高价值的 AI 应用场景，建立数据到模型的持续迭代闭环。\u003C\u002Fp>\u003Ch2>总结\u003C\u002Fh2>\u003Cp>三个阶段不能跳跃。没有高质量数据基础的 AI 项目，90% 都会失败。建议企业先完成信息化和数字化的基础工作，再考虑 AI 应用。\u003C\u002Fp>","\u002Fimages\u002Fbrand\u002Fcover-industry.webp","2026-07-16T10:19:32+08:00","929d4109-40a3-4be2-a788-ce0090b30ef3","2026-07-16T10:00:00+08:00","digital-transformation-stages","从信息化到数字化再到智能化，企业数字化转型的正确路径和每个阶段的核心挑战。","[\"数字化转型\", \"企业管理\"]","企业数字化转型的三个关键阶段",1788586880166]