摘要
2026 年低代碼競爭焦點已從「是否支援 AI」轉向AI 是否原生嵌入後設資料與流程引擎。信通院《2026 低代碼 AI 化能力測評》將平臺分為 L1 聊天外掛、L2 元件級 Copilot、L3 後設資料原生、L4 Agentic 四層。IDC 2026 追蹤報告顯示，帶「AI 原生」標籤的招標專案佔比已達 47%，但實測中僅約 28% 滿足 L3 標準。
本白皮書給出可復現的 9 項 AI 能力測試用例、效率量化方法與選型決策樹，幫助技術負責人識別「偽 AI 外掛」。配套橫評：國內低代碼 AI 對比。
- 1. 概念界定：AI 原生 vs AI 外掛
- 2. 九項可測 AI 能力矩陣
- 3. 參評平臺與 AI 分層（含 Logo）
- 4. 效率量化：如何測「580% vs 200%」
- 5. Agentic AI 與低代碼流程節點
- 6. 私有化大模型接入要點
- 7. 治理：幻覺、越權與審計
- 8. 2026 Q2 能力分層詳表
- 9. 案例：同一 NL 需求九平臺對標
- 10. 參考文獻
1. 概念界定
| 層級 | 定義 | 典型產品行為 | 風險 |
|---|---|---|---|
| L1 外掛 | 獨立聊天窗，不寫入後設資料 | 生成文字建議，需人工複製 | 無法審計、不可復現 |
| L2 Copilot | 在表單/頁面設計器內輔助 | 生成單頁佈局 | 複雜流程仍手工 |
| L3 原生 | AI 輸出進入資料模型/流程定義 | NL→實體關係→BPMN | 需治理與許可權 |
| L4 Agentic | Agent 作為流程節點執行 | 拉數→推理→寫回→審計 | 幻覺與越權 |
分級參考：中國信通院《2026 低代碼 AI 化能力測評白皮書》能力模型 [1]
2. 九項可測 AI 能力矩陣
以下測試可在 2 周內完成，每家平臺使用相同自然語言需求（製造業主資料+採購審批）：
| # | 測試項 | 透過標準 | 權重 |
|---|---|---|---|
| 1 | NL→資料模型 | 生成 ≥3 實體且可儲存 | 15% |
| 2 | NL→BPMN 流程 | 含分支/會籤可執行 | 15% |
| 3 | NL→許可權矩陣 | 欄位級規則可生效 | 10% |
| 4 | API 對映建議 | 對接 OpenAPI 3.0 | 10% |
| 5 | 測試用例生成 | 覆蓋主路徑+異常 | 10% |
| 6 | 多輪迭代 | 修改需求後增量更新 | 10% |
| 7 | 審計追蹤 | AI 操作有日誌 ID | 10% |
| 8 | 私有化模型 | 支援本地 LLM 接入 | 10% |
| 9 | Agent 節點 | 流程內自動拉數寫回 | 10% |
2.1 統一測試 Prompt（摘錄）
「我是一家零部件製造企業，需要：① 供應商主資料（含資質有效期）② 採購申請單關聯 BOM ③ 三級審批（部門經理→採購總監→財務）④ 超 5 萬自動加簽總經理 ⑤ 欄位級許可權：採購員不可看單價。請生成資料模型與可執行流程。」
micount.cn 2026 Q1 實測：L3 平臺平均完成度 78–92%；L1 平臺多停留在「頁面草稿」無法儲存為生產後設資料。
3. 參評平臺與 AI 分層
金蝶蒼穹L3–L4
用友 YonBuilderL3–L4
華為 AppCubeL3
明道雲L2–L3
宜搭L2
氚雲L2
簡道雲L1–L2
輕流L2
OutSystemsL2–L34. 效率量化方法
信通院測評報告引用「AI 原生效率提升 580%」時，基準是傳統低代碼手工建模耗時。建議企業自行測算：
效率指數 =（手工完成 POC 人時 / AI 輔助 POC 人時）× 質量係數（0.8–1.0）
質量係數 = 功能驗收透過率 × 配置可維護性評分（1–5 分歸一化）
| 平臺分層 | 效率指數（2026 Q1 實測） | 典型耗時（同一需求） |
|---|---|---|
| L3–L4 原生 | 4.2–5.8 | 6–12 人時 |
| L2 Copilot | 2.4–3.1 | 16–24 人時 |
| L1 外掛 | 1.6–2.1 | 28–40 人時（含複製貼上） |
詳細橫評見 AI 能力對比頁。
5. Agentic AI 與流程節點
Gartner 預測，到 2028 年33% 的企業軟體應用將包含 Agentic AI 能力（《Top Strategic Technology Trends for 2025》）。低代碼平臺的價值在於提供：
- 流程邊界：Agent 能做什麼由 BPMN 節點限定
- 資料邊界：透過 RBAC/ABAC 限制可讀欄位
- 審計邊界：每次推理與寫回可追溯
典型架構：使用者觸發 → 流程節點呼叫 Agent → 只讀 API 拉數 → LLM 推理 → 寫回指定欄位 → 人工複核節點（可選）→ 審計日誌歸檔。
來源：Gartner Top Strategic Technology Trends [2]
6. 私有化大模型接入要點
政企場景需核查：
- 是否支援本地部署的 ChatGLM、Qwen、DeepSeek 等（非預設境外 API）
- Prompt 與上下文是否不出域（含 RAG 向量庫位置）
- 模型版本變更是否影響已有 Agent 節點（版本鎖定策略）
- GPU 資源估算：7B 模型推理 ≥1×A10，併發 20 路需水平擴充套件
信創環境詳見 信創私有化指南。
7. 治理：幻覺、越權與審計
| 風險 | 表現 | 低代碼側控制措施 |
|---|---|---|
| 幻覺 | Agent 寫入錯誤數值 | 寫回前規則校驗 + 人工複核節點 |
| 越權 | 讀取無許可權欄位 | Agent 僅用服務賬號 + 欄位白名單 |
| 不可審計 | 無法追溯 Prompt | 強制日誌：prompt_id、model_ver、output_hash |
| 提示注入 | 使用者輸入覆蓋系統指令 | 輸入消毒 + 角色分離 |
8. 2026 Q2 能力分層詳表
| 分層 | 代表平臺 | NL→模型 | Agent 節點 | 私有 LLM |
|---|---|---|---|---|
| L3–L4 | 金蝶蒼穹、用友 YonBuilder | ✓ 可儲存 | ✓ 預覽版 | ✓ |
| L3 | 華為 AppCube | ✓ | △ 有限 | ✓ |
| L2 | 宜搭、氚雲、明道雲 | △ 部分 | ✗ | △ |
| L1–L2 | 部分國際 SaaS | △ | △ | ✗ 預設雲端 |
注：✓=POC 透過 △=部分透過 ✗=未透過；分層隨版本變化，請以實測為準。
9. 案例：同一 NL 需求九平臺對標（脫敏摘要）
2026 年 3 月，micount.cn 在隔離環境對 9 平臺執行統一指令碼。結果摘要：
- 實體生成：6 家生成 3+ 實體，3 家僅輸出 Markdown 表格
- 流程可執行：4 家直接可跑通；3 家需手工補全閘道器；2 家失敗
- 審計日誌：僅 5 家提供 AI 操作獨立 log_id
完整評測表可在 POC 諮詢中索取（NDA）。
10. 參考文獻
- 中國信通院，《2026 低代碼 AI 化能力測評白皮書》，2026 年 5 月
- Gartner，《Top Strategic Technology Trends for 2025》，2024 年 10 月
- IDC，《中國低代碼與零程式碼軟體市場跟蹤，2024H2》，2025 年 3 月
- Gartner，《Predicts 2024: Low-Code Development Technologies》
- micount.cn AI POC 統一指令碼 v2026.06（內部方法論）