基于 AI 大模型生成微信小程序的探索与实践-骆勤.pdf

1、基于AI大模型生成微信小程序的探索与实践骆勤 骆勤腾讯云开发/低代码/IEEE过去百度FE-手百性能优化-腾讯低代码/微信云开发enimoOutlineOutline1 背景与现状2 基于大模型的小程序生成架构3 关键问题及解决思路4 AI生成效果与评估 5 小结与展望1.1 小程序开发前期效能探索传统开发传统开发云开发云开发低代码低代码基础设施负载均衡网络防护冷备热备异地容灾业务架构设计业务逻辑基础设施负载均衡网络防护冷备热备异地容灾Faas+Baas设施业务逻辑云存储云函数云托管云数据库基础设施负载均衡网络防护冷备热备异地容灾Faas+Baas设施业务逻辑云存储云函数云托管云数据库业务架构

2、设计 工具箱行业组件多端构建数据分析业务架构设计关注1.2 当前AI应用生成现状复杂应用生成的挑战模型Context限制难以匹配工程化代码服务端业务逻辑/数据联动可维护/二次开发OpenUI/screen2code/v0.dev静态效果OutlineOutline1 背景与现状2 基于大模型的小程序生成架构3 关键点及解决思路4 AI生成效果与评估 5 小结与展望2.1 生成式小程序架构概述2.2 自然语言的语义转化页面区块组件自然语言的语义转化页面Few Shot场景化抽象区块语义化模块描述格式化输出/Schema 自然语言的语义转化定义区块结构和参数示例素材物料关键词构造声明页面结构区块自

3、然语言的语义转化属性配置主题样式事件动作数据绑定组件2.3 基于DSL的代码生成通用应用语言规范应用描述数据源描述文件SchemaSchemaDSLDSL编辑器编辑器BuildBuild构建编译构建编译CodeCode DeployDeploy应用代码部署应用代码部署源代码云函数数据库配置OutlineOutline1 背景与现状2 基于大模型的小程序生成架构3 关键点及解决思路4 AI生成效果与评估 5 小结与展望3.1 需求理解的核心逻辑DSL/低代码负责业务的抽象借助抽象度高的区块来组装复杂应用页面基于Prompt由LLM组织/生成DSL内容通过DSL的编译构建应用需求匹配关键点3.2

4、应用生成的随机性与多样化基于低码可视化的构建生成区块3.3 大模型Context窗口问题DSL生成多次LLM调用以及RAG 一次生成结构一次基于结构实例化内容通过RAG解决多样化和需求匹配问题3.3 大模型Context窗口问题3.4 生成应用的可维护性 基于微信云开发前后端Runtime 完美兼容低码可视化二次开发 AI 组装预定义区块 页面模块/主题 AI 生成图文素材可视化开发/CloudbaseOutlineOutline1 背景与现状2 基于大模型的小程序生成架构3 关键点及解决思路4 AI生成效果与评估 5 小结与展望4.1 AI生成小程序效果预览一个视频的demo示例4.2 生成

5、效果评估调试多轮Prompt样本验证调试优化RAG召回效果，简化DSL结构Few-shot调优完善RLHF-PLHFOutlineOutline1 背景与现状2 基于大模型的小程序生成架构3 关键点及解决思路4 AI生成效果与评估 5 小结与展望5.1 经验教训与局限性稳定性CoT/语法校验 输出稳定性问题多样性抽象区块可配置化/丰富度基于RAG检索场景区块性能问题依赖多次对话，尽可能前置工作（结构/素材）应用DSL样本LoRA微调，生成应用DSL5.2 开发协作模式的探索AI协作场景Text2SQL/Text2JS以及LLM连接器Automation/Workflow，AI节点编排Agent衍生AI Copilot与开发者的协作模式AI生成场景复杂系统应用的生成（DSL 模型+窗口突破）自动化数据交互应用/微信/小程序AI场景小结小结云开发低代码AIGen小程序后端资源Serverless化可视化搭建DSL云开发+LLM+DSL企业门户/活动可视化配置发布企业内部管理系统个性化自定义云+微信免鉴权调用开放能力免运维无需管理基础架构免联调前后端一体化开发AI驱动应用生成创意项目MVP验证工作流编排+小程序AI客服Agents+微信场景解决方案