面向人工智能的低代码工具

低代码编程允许公民开发者通过可视化（如拖放）界面以最少的编码工作创建程序。同时，Copilot和ChatGPT等最新的语言模型工具可以从自然语言指令生成程序。我们认为这些模式是互补的：ChatGPT等工具大大减少了对记忆大型API的需求，但仍需要用户阅读和修改文本代码，而可视化工具抽象掉了大部分或全部文本代码，但难以提供对大型API的便捷访问。在它们的交集中，我们提出了LowCoder，这是第一个支持可视化编程界面（LowCoder_VP）和自然语言界面（LowCoder_NL）的开发机器学习管道的低代码工具。我们开发了一种新颖的任务 formulation 并对几个语言模型进行基准测试以开发LowCoder_NL。我们利用该工具提供了一些关于这两种模式如何帮助程序员的初步见解，开展了用户体验研究。我们让20名不同专业水平的开发者使用LowCoder实现ML管道。总体而言，我们发现LowCoder特别有助于：（i）可发现性：使用LowCoder_NL，参与者在75%的任务中发现了新的操作符，而使用网络搜索或滚动选项分别只有32.5%和27.5%；（ii）迭代组合：82.5%的任务成功完成，许多初始管道得到了进一步成功改进。定性分析表明，语言模型帮助用户了解如何实现他们知道要做什么的构造，但在用户不清楚自己想要完成什么时仍然无法为新手提供支持。总体而言，我们通过构建LowCoder并开展用户研究展示了将语言模型能力与可视化低代码编程相结合的益处。