JeecgBoot低代码AI测评：六大技能一句话生成系统

JeecgBoot AI专题研究系列 —— 从"手写代码"到"口述需求"，低代码AI能力全景拆解

先讲三个硬核结论：低代码平台接入AI后，真正的质变不是帮你自动补全几行逻辑，而是彻底重构了开发范式。过去你面对的是一个需要学习规则、语法、配置的工具；现在你面对的是一个能理解业务意图的智能体，把需求说清楚，剩余的全流程由它执行。

JeecgBot的AI技能体系，远不止"自动补if-else"这类玩具级功能。这套技能矩阵覆盖了从需求描述到系统落地的全链路：一句自然语言输入，就能自动产出前后端代码、数据库表结构、业务流程图、报表与可视化图表。本质上，这把你从"编码"切换到"业务描述"的模式。

关键不在于AI本身多聪明，而在于它能否真正嵌入实际开发场景。JeecgBoot这次将六个AI技能整合到低代码生态中，每个技能对应明确的交付物，按需调用即可。

六大AI技能，一张速览表

先快速拉出这六个技能的核心轮廓，方便你根据场景精准选型。

选型底层逻辑很简单：能零代码解决的问题，绝不动用代码生成。onlform、desform、onlreport、onlchart 这四个技能覆盖大部分常规业务场景，无需写一行代码；只有需要自定义校验、复杂计算或外部接口对接时，才用codegen走源码级控制。

零代码 vs 代码生成：两种模式的本质差异

零代码模式：配置即交付

onlform、desform、onlreport、onlchart 的共性在于：不生成源代码，而是通过配置驱动运行时渲染。你告诉AI"创建一个物料管理表"，它会自动推导出编码、名称、分类、规格、单价、库存等字段，调用API创建表单并同步数据库。整个过程零代码，不到一分钟完成。

这种模式的优势在于敏捷与灵活——改字段、调布局、换样式，只需重新跑一次AI，无需修改源码或重新部署。短板也很明显：只能做平台能力范围内的操作，超出"增删改查加字典"范畴就力不从心。

代码生成模式：源码级掌控

codegen 输出的是真实Java后端代码、Vue3前端页面和Flyway数据库迁移脚本。所有文件都可编辑、可调试、可版本控制。输入"在jeecg-boot-module创建一个HR模块"，AI自动执行：新建独立Maven子模块、智能设计四张业务表（员工、考勤、薪资、请假）、生成后端全套代码（Entity/Controller/Service/Mapper各四套）、生成前端全套代码（api.ts/data.ts/List.vue/Modal.vue各四个文件）、同步生成Flyway SQL。重启服务后，完整的HR管理模块直接出现在系统菜单中。

这才是真正的"从需求到交付"自动化流水线。它不只是省掉手写CRUD的时间，而是把整个模块的基础框架全部搭好，开发者只需聚焦核心业务逻辑。

选型指南：这些易混淆技能如何区分？

实际使用中，最让人纠结的是几组技能的边界。直接给结论：

onlform vs desform：需要"列表页+编辑弹窗"的CRUD，选onlform；需要数据采集表单或审批表单（需绑定流程），选desform。后者拥有30多种控件，设计器自由度更高，且能无缝对接bpmn流程。

onlform vs codegen：业务逻辑不超出"增删改查+字典"，用onlform足够；涉及自定义校验、复杂计算或外部接口，上codegen。

onlreport vs onlchart：需要查看数据明细、导出Excel，选onlreport；需要图表趋势、可视化对比，选onlchart。两者可组合使用——报表输出明细数据，图表做视觉呈现。

智能字段推导：不止是模板替换

codegen 的底层并非简单模板拼凑，而是做了大量语义理解：当你描述"价格"时，自动推导为decimal类型加InputNumber输入框；描述"图片"时，推导为varchar类型加JImageUpload组件；描述"状态"时，推导为varchar类型加JDictSelectTag组件，并自动关联系统字典。这种推导能力显著减少手动调整工作量，尤其在表结构设计阶段，AI能大幅降低试错成本。

流程自动化：用自然语言绘制流程图

jeecg-bpmn 值得单独展开。传统流程设计器再便捷，也得手动拖拽节点、配置条件、设置分支。现在只需描述审批逻辑：比如"如果金额超过5000需部门经理审批，否则直接到财务"，AI自动生成对应的Flowable BPMN 2.0 XML文件。支持并行审批、条件分支、会签、动态审批人等高级场景。实测一张中等复杂度的审批流程，从自然语言描述到部署，几分钟即可完成。

技能协同：一条流水线搭建完整业务系统

六个技能并非孤立，可按序组合成完整自动化流水线。例如：先用desform设计采购申请表单，再用bpmn创建审批流程并绑定表单，接着用onlreport生成采购申请统计报表，最后用onlchart制作采购趋势可视化图表。整个过程中，你只需用自然语言描述需求，AI自动调用各技能完成对应工作。这才是这套AI技能体系的核心价值——不是单个技能的强弱，而是它们能串联起来，从零搭建一个可用的业务系统。

从行业视角看，低代码平台引入AI绝非简单加个对话窗口。它意味着开发范式迁移：你不再需要深究底层框架的每个细节，而是将注意力回归到业务本身。当然，这并不意味着技术不重要——恰恰相反，只有底层架构足够稳固、技能矩阵设计足够合理，才能支撑起"说需求就能交付"的体验。JeecgBoot这次方向正确，至于这套能力能在多大程度上减轻开发负担，还需实际场景中的落地验证。