CN117193738A - 应用搭建方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种应用搭建方法、装置、设备及存储介质，本申请获取用户输入的应用开发需求，借助人工智能模型的自然语言语义理解能力及代码生成能力，解析应用开发需求，生成标准协议的可执行代码。本申请还可以预先建立标准协议与各低代码平台所能识别的目标协议之间的映射关系，参考该映射关系将生成的标准协议的可执行代码转换为目标协议的可执行代码，通过低代码平台对目标协议的可执行代码进行渲染，即可得到搭建好的目标应用。采用本申请方案，用户只需要采用自然语言描述应用开发需求即可，不需要编写任何代码提高了代码开发效率。且不需要开发人员学***台的开发逻辑，降低了应用开发过程对开发人员的能力要求。

Description

应用搭建方法、装置、设备及存储介质

技术领域

本申请涉及低代码应用搭建技术领域，更具体的说，是涉及一种应用搭建方法、装置、设备及存储介质。

背景技术

在当今数字化时代，应用的开发和部署已经成为企业数字化转型的重要组成部分。然而，由于应用的开发和部署需要大量的人力和时间，因此这些过程往往会成为企业数字化转型的瓶颈。

为了解决这个问题，近年来出现了一些低代码开发平台，这些平台可以帮助开发人员快速构建应用，从而提高开发效率。然而，这些平台仍然需要人工编写代码，因此仍然需要大量的人力和时间。并且，各个厂家平台搭建的理念、平台上的概念、操作方式、应用搭建路径等各不相同，也导致学***台迁移的门槛比较高，对用户的信息化素养要求比较高，无法覆盖到信息化水平相对欠发达的区域。

发明内容

鉴于上述问题，提出了本申请以便提供一种应用搭建方法、装置、设备及存储介质，以减少应用开发过程中开发人员的工作量，提高应用开发效率，以及降低对开发人员的要求。

具体方案如下：

第一方面，提供了一种应用搭建方法，包括：

获取用户输入的应用开发需求；

调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

优选地，还包括：

在得到所述目标应用之后，展示所述目标应用的功能总览与详情页，以供用户浏览所述应用的功能页面及详情。

优选地，还包括：

获取用户输入的应用功能查询指令，所述查询指令用于查询所述目标应用是否能够实现目标功能；

解析所述应用功能查询指令，并判断所述目标应用是否具备所述目标功能，输出判断结果。

优选地，还包括：

获取用户输入的应用编辑需求，所述应用编辑需求用于指示对所述目标应用进行编辑；

基于所述应用编辑需求，识别用户的编辑意图，所述编辑意图包括操作类型及操作对象，所述操作类型包括新增、删除和/或修改；

基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用。

优选地，还包括：

展示应用编辑页面，所述应用编辑页面上包含所述目标应用中与本次编辑相关的应用信息。

优选地，所述操作对象包括功能页面及所述功能页面中的内容或组件，其中所述功能页面包括表单页、统计页、流程页中的任意一种。

优选地，在所述调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码之前，还包括：

将所述应用开发需求处理为结构化文本；

则所述调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码的过程，包括：

调用所述人工智能模型，将所述结构化文本转换为标准协议的可执行代码。

优选地，调用所述人工智能模型，将所述结构化文本转换为标准协议的可执行代码的过程，包括：

调用所述人工智能模型，生成与所述应用开发需求对应的应用基本描述信息；

调用所述人工智能模型，根据所述应用基本描述信息，生成应用功能描述清单；

调用所述人工智能模型，根据所述应用功能描述清单，生成数据模型清单；

调用所述人工智能模型，根据所述数据模型清单以及所述应用功能描述清单，生成应用所涉及的角色以及权限清单。

优选地，所述用户的编辑意图为一个以上，则基于所述应用编辑需求，识别用户的编辑意图的过程，包括：

确定用户输入所述应用编辑需求时的目标对话场景，获取预配置的与所述目标对话场景对应的意图清单，所述意图清单包含在所述目标对话场景下可以处理的所有编辑意图；

调用所述人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图。

优选地，所述意图清单中各个编辑意图间存在层次顺序，则调用所述人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图的过程，包括：

获取第一提示指令prompt模板，该模板包含意图清单槽及应用编辑需求槽，用于指示模型按照所述意图清单槽中的各编辑意图的层次顺序，分析所述应用编辑需求槽中的应用编辑需求所包含的第一层次的编辑意图；

将所述意图清单组装到所述意图清单槽，将所述应用编辑需求组装到所述应用编辑需求槽，得到第一提示指令prompt，并送入所述人工智能模型，得到模型输出的目标编辑意图；

判断所述目标编辑意图是否为所述意图清单中末尾的叶子编辑意图；

若否，从所述意图清单中按照层次顺序选取所述目标编辑意图之后的各层次的编辑意图，作为新的意图清单，并返回执行将所述意图清单组装到所述意图清单槽，将所述应用编辑需求组装到所述应用编辑需求槽，得到第一提示指令prompt的步骤；

若是，调用所述人工智能模型获取所述目标编辑意图所需的槽位信息，由得到的各层次的非所述叶子编辑意图的目标编辑意图、属于所述叶子编辑意图的目标编辑意图及其槽位信息组成最终用户的各编辑意图。

优选地，基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用的过程，包括：

调用所述人工智能模型，基于所述用户的编辑意图生成所述标准协议的可执行代码，作为更新后可执行代码；

将所述标准协议的更新后可执行代码转换为所述目标协议的更新后可执行代码；

通过所述低代码平台对所述目标协议的更新后可执行代码进行渲染，得到编辑后的目标应用。

优选地，所述应用开发需求为多模态信息，所述多模态信息包括：文本模态、音频模态和视觉模态中任意一种模态的应用开发需求。

优选地，搭建好的目标应用发布在应用市场中，该方法还包括：

获取用户在所述应用市场中提出的应用使用需求；

在所述应用市场中确定与所述应用使用需求所匹配的应用；

结合所述应用使用需求及所述匹配的应用信息，抽取填报所述匹配的应用的表单页面所依赖的业务数据；

启动所述匹配的应用，并利用所述业务数据填充所述匹配的应用的表单页面。

优选地，在所述应用市场中确定与所述应用使用需求所匹配的应用的过程，包括：

确定所述应用使用需求对应的第一向量表征；

基于所述第一向量表征在向量库中进行向量匹配，得到匹配的向量表征，并获取所述匹配的向量表征所对应的应用，作为匹配的应用；其中，所述向量库中包含基于所述应用市场中每一应用的应用信息所构建的每一应用对应的向量表征。

第二方面，提供了一种应用搭建装置，包括：

开发需求获取单元，用于获取用户输入的应用开发需求；

标准可执行代码生成单元，用于调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

协议转换单元，用于根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

可执行代码渲染单元，用于通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

第三方面，提供了一种应用搭建设备，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如上所述的应用搭建方法的各个步骤。

第四方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的应用搭建方法的各个步骤。

借由上述技术方案可知，用户在需要搭建应用时可以直接输入自然语言描述的应用开发需求，本申请通过调用人工智能模型，借助人工智能模型的自然语言语义理解能力及代码生成能力，解析应用开发需求，生成标准协议的可执行代码。进一步地，本申请还可以预先建立标准协议与各低代码平台所能识别的目标协议之间的映射关系，从而参考该映射关系将生成的标准协议的可执行代码转换为目标协议的可执行代码，通过低代码平台对目标协议的可执行代码进行渲染，即可得到搭建好的目标应用。显然，采用本申请方案，用户只需要采用自然语言描述应用开发需求即可，不需要编写任何代码，极大降低了开发人员的工作量，提高了代码开发效率。

同时，本申请方案也不需要开发人员学***台的开发逻辑，甚至于开发人员可以是不懂代码的用户，降低了应用开发过程对开发人员的能力要求。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本申请实施例提供的应用搭建方法的一流程示意图；

图2示例了一种应用搭建过程示意图；

图3示例了一种应用搭建过程交互界面示意图；

图4示例了另一种应用搭建过程交互界面示意图；

图5示例了又一种应用搭建过程交互界面示意图；

图6示例了又一种应用搭建过程交互界面示意图；

图7示例了又一种应用搭建过程交互界面示意图；

图8示例了又一种应用搭建过程交互界面示意图；

图9示例了又一种应用搭建过程交互界面示意图；

图10示例了一种应用使用过程交互界面示意图；

图11示例了另一种应用使用过程交互界面示意图；

图12示例了识别用户的应用编辑需求中包含的多个编辑意图的过程示意图；

图13为本申请实施例提供的一种应用搭建装置结构示意图；

图14为本申请实施例提供的应用搭建设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在介绍本申请方案之前，首先对本文中涉及到的英文进行解释：

prompt：指示指令。在与AI(如人工智能模型)进行交互时，需要向AI发送的指令，其可以是一段文字描述，比如你和AI交互时输入的“请帮我推荐一首流行音乐”，也可以是按照一定格式的参数描述，比如让AI按照一定格式进行绘图，需要描述相关绘图参数。

人工智能模型：又可以称之为大型深度学习模型，是一种基于深度学习技术的人工智能模型，它由数以亿计的参数组成，可以通过对大量数据的学习、训练，实现自然语音处理、图像识别、语音识别等复杂任务。人工智能模型可以包括大语言模型、大规模预训练模型。

大语言模型：(Large language model，LLM)通常是指具有大量参数和能力的语言模型，它通过在大规模文本数据上进行预训练来学习语言的统计规律和语义关系。这些模型通常使用无监督学习方法，预测下一个词或填充缺失的词，以捕捉语言的上下文和语义信息。大语言模型能够生成连贯的语句、回答问题、完成翻译任务等。大语言模型的优势在于它们可以理解和生成自然语言，从而实现更加智能化的交互方式。常见的大语言模型如GT4以及其它企业研发的大语言模型。

大规模预训练模型(Large Pre-Trained-Models)是指在大规模数据集上进行预训练的模型，这些数据集通常包括互联网上的大量文本、图像、视频等多模态数据。预训练模型可以是语言模型、图像模型、语音模型等，它们通过学习数据中的模式和特征来获取通用的知识表示。这些模型的目标是学习到一种通用的表示能力，以便在各种下游任务中进行微调或迁移学习。

大语言模型是大规模预训练模型的一种特定类型，它专注于处理语言任务，如自然语言生成、机器翻译、文本摘要等。大规模预训练模型则更广泛地指涉在大规模数据上进行预训练的各种模型，包括语言模型在内的多种模型类型。

本申请提供了一种基于人工智能模型的自动化应用搭建方案，可以根据用户的自然语言描述自动构建应用程序，提高开发效率，降低对开发人员的能力要求。

本申请的应用搭建方案可以适用于对各种领域下的应用进行自动化搭建，示例如对教育领域、办公领域等相关应用进行自动化搭建。

本申请方案可以基于具备数据处理能力的终端实现，该终端可以是手机、电脑、服务器、云端等。

接下来，结合图1所述，本申请的应用搭建方法可以包括如下步骤：

步骤S100、获取用户输入的应用开发需求。

具体地，用户当存在开发应用的需求时，可以通过自然语言描述应用开发需求。应用开发需求可以是用户描述的所要开发的应用的基本功能，示例如“我想搭建一个设备报修应用，主要包含报修申请、报修审批和报修评价等功能”、“请帮我搭建一个离线管理应用，家长可以帮学生申请离校，申请信息需要经过班主任审批”等。

实际情况下，用户可以输入多模态的应用开发需求，如输入文本模态、音频模态、视觉模态中任意一种或多种模态的应用开发需求。

为了便于下一步骤中调用人工智能模型，本实施例中还可以进一步将应用开发需求处理为结构化文本。示例如，对于文本模态的应用开发需求，可以进行文本规整，得到结构化文本。

对于音频模态的应用开发需求，可以通过语音识别功能转换为文本模态，并进一步规整为结构化文本。

对于视觉模态的应用开发需求，可以通过图像识别功能转换为文本模态，并进一步规整为结构化文本。

参照图2所示，其示例了对多模态输入的处理，均转换为结构化文本。

步骤S110、调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码。

可以理解的是，本实施例中调用的人工智能模型可以大语言模型或其它结构的模型，其本身具备超强的自然语言语义理解能力以及代码生成能力，示例如GPT3.5、GPT4等现有或将来开发的多种类型的人工智能模型。本步骤中，可以调用人工智能模型解析应用开发需求，理解用户的开发需求并对用户开发需求进行内容泛化，生成更加详细的需求描述，进而基于该更加详细的需求描述生成标准协议的可执行代码。

其中，标准协议可以是设定的一种现有协议，或者是本申请自定义的一种中间协议，保证人工智能模型可以识别并生成符合该标准协议的可执行代码即可，后续步骤中可以通过协议映射，转换为低代码平台所能识别的协议。

本步骤中生成的可执行代码可以是领域专用语言DSL。除此之外，还可以包括一些脚本代码，如SQL等，用于支持所开发的应用中某些功能模块的数据处理，示例如统计页中所依赖的统计SQL等。

进一步参照图2所示，对于生成的标准协议的可执行代码，还可以进一步检查其中各段代码的正确性及完整性，若发现某段代码存在错误或不够完整，则可以针对该段代码再次调用人工智能模型，重新生成可执行代码，从而提高了生成的标准协议的可执行代码的正确性和完整性。

步骤S120、根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码。

具体地，本实施例中考虑到不同低代码平台的搭建理念、平台上的概念、操作方式、应用搭建路径等各不相同，导致学***台迁移的门槛比较高。为此，本申请可以针对不同的低代码平台分别建立标准协议与低代码平台所能识别的目标协议之间的映射关系。在此基础上，可以参考该映射关系，将标准协议的可执行代码转换为任意一种低代码平台所能识别的目标协议的可执行代码，不需要用户学***台的知识，从而大大降低了对用户能力的要求。可以理解的是，转换后的可执行代码符合低代码平台所能识别的目标协议。

步骤S130、通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

具体地，可以通过低代码平台上的各类型引擎对可执行代码进行渲染，以生成适配于多终端的目标应用。如图2所示，低代码平台对可执行代码进行渲染时，包括但不限于：通过数据建模引擎、元数据引擎、表单引擎、工作流引擎、图表引擎对可执行代码中相应代码数据进行渲染。

渲染后的目标应用可以适配于多种类型的终端，如WEB类型、H5类型等。

本申请实施例提供的应用搭建方法，用户在需要搭建应用时可以直接输入自然语言描述的应用开发需求，本申请通过调用人工智能模型，借助人工智能模型的自然语言语义理解能力及代码生成能力，解析应用开发需求，生成标准协议的可执行代码。进一步地，本申请还可以预先建立标准协议与各低代码平台所能识别的目标协议之间的映射关系，从而参考该映射关系将生成的标准协议的可执行代码转换为目标协议的可执行代码，通过低代码平台对目标协议的可执行代码进行渲染，即可得到搭建好的目标应用。显然，采用本申请方案，用户只需要采用自然语言描述应用开发需求即可，不需要编写任何代码，极大降低了开发人员的工作量，提高了代码开发效率。

同时，本申请方案也不需要开发人员学***台的开发逻辑，甚至于开发人员可以是不懂代码的用户，降低了应用开发过程对开发人员的能力要求。

在本申请的一些实施例中，对上述步骤S110，调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码的过程进行说明。

本实施例中提供了一种可选的实现方案，可以模拟开发人员编写可执行代码的过程，具体可以包括如下步骤：

S1、调用所述人工智能模型，生成与所述应用开发需求对应的应用基本描述信息。

可以理解的是，用户输入的应用开发需求可以是简短的描述，本实施例中为了能够搭建满足用户需求的目标应用，可以调用人工智能模型，对用户的应用开发需求进行内容泛化，得到更加丰富的应用描述信息，即应用基本描述信息。

具体地，可以通过设定的提示指令prompt来调用模型，prompt示例如“帮我把用户输入的应用开发需求进行扩展，生成更加详细的应用基本信息。<应用开发需求>”，其中<应用开发需求>槽内用于填充具体的应用开发需求。

为了便于理解，以用户输入的应用开发需求：“帮我搭建一个学生请假管理应用”为例进行说明。在调用人工智能模型之后，输出的应用基本信息截取部分如下：

S2、调用所述人工智能模型，根据所述应用基本描述信息，生成应用功能描述清单PRD。

具体地，可以利用应用基本描述信息来生成提示指令prompt，进而调用人工智能模型，以生成应用功能描述清单。prompt示例如“参考如下的应用基本描述信息，生成应用功能描述清单。<应用基本描述信息>”。

仍采用上述例子进行说明，生成的应用功能描述清单PRD截取部分示例如下：

S3、调用所述人工智能模型，根据所述应用功能描述清单，生成数据模型清单。

具体地，可以利用应用功能描述清单来生成提示指令prompt，进而调用人工智能模型，以生成数据模型清单。prompt示例如“参考如下的功能描述清单，生成数据模型清单。<功能描述清单>”。

仍采用上述例子进行说明，生成的数据模型清单截取部分示例如下：

S4、调用所述人工智能模型，根据所述数据模型清单以及所述应用功能描述清单，生成应用所涉及的角色以及权限清单。

具体地，可以利用所述数据模型清单以及所述应用功能描述清单来生成提示指令prompt，进而调用人工智能模型，以生成应用所涉及的角色以及权限清单。prompt示例如“参考如下的数据模型清单和应用功能描述清单，生成应用所涉及的角色以及权限清单。<数据模型清单>、<功能描述清单>”。

仍采用上述例子进行说明，生成的角色以及权限清单截取部分示例如下：

本实施例中，生成的应用基本描述信息、应用功能描述清单、数据模型清单、角色以及权限清单可以作为标准协议的可执行代码。本实施例中模拟开发人员开发应用的可执行代码的过程，通过调用人工智能模型的代码生成能力，逐步生成各类型代码数据，最终组合为标准协议的可执行代码。

在本申请的一些实施例中，提供了一种应用搭建过程的人机交互方式，接下来结合图3-图9进行说明。

本申请的应用搭建方案可以以应用开发助手的形式，通过界面展示给用户，如图3所示，在首页可以提供“AI助手创建”入口，用户通过该入口可以进入新建应用界面。同时，在首页还可以展示有已经创建的应用，如图3中示例的“我的应用”栏目。

如图4所示，在新建应用界面中，可以提供与应用开发助手交互对话框，用户可以通过多模态形式输入应用开发需求，图4中仅示例了通过文本、语音形式输入应用开发需求的情况。

进一步地，在该新建应用界面中，还可以展示若干个输入样例，以供用户参考。

用户在对话框中输入具体的应用开发需求后，点击“发送”图标，即进入了应用搭建界面，如图5所示。此时，***正在进行应用的搭建过程，该过程可以划分为若干个子步骤，按照子步骤的顺序依次进行搭建过程，并显示每个子步骤当前的搭建详情信息。图5示例了一种应用搭建过程的子步骤划分方式，主要可以分为四个步骤，分别为：数据模型生成、应用页面生成、业务流程生成、角色权项配置。此外，在该应用搭建界面还可以根据当前搭建进度，显示进度条。图5中示例的用户输入的应用开发需求为“请帮我搭建一个离校管理应用，家长可以帮学生申请离校，申请信息需要经过班主任审批”。

当目标应用搭建成功(也即图5中的进度达到100％)之后，***跳转到搭建成功界面，如图6所示。在搭建成功界面上可以设置两个入口，分别是“去使用”和“去调整”，用户通过“去使用”入口可以跳转到该应用的使用界面。用户还可以通过“去调整”入口跳转到该应用的编辑界面，此时用户可以描述自己的编辑需求，如对已经搭建的目标应用进行功能的增、删、改操作。

进一步地，在目标应用搭建成功后，还可以展示目标应用的功能总览与详情页，该页面上可以展示目标应用的各功能页面及详情信息，以供用户浏览查看是否符合预期。

此外，为了进一步方便用户的使用，本实施例中还提供了支持用户查询应用功能的能力。具体地，用户可以在交互对话框中输入应用功能查询指令，该指令用于查询目标应用是否能够实现目标功能。示例如，用户输入的查询指令可以是“有没有考虑到，审批结束后给家长和任课教师发短信”。本实施例中，当获取到用户的应用功能查询指令后，解析该指令，并判断目标应用是否具备目标功能，进而输出判断结果。示例性的，当判断目标应用在审批结束后会给家长发送短信，但是没有给任课老师发送短信时，则输出的判断结果可以是“目前应用在审批结束后会给家长发送短信，没有给任课老师发送”。

本实施例中，在解析应用功能查询指令时，可以通过人工智能模型来进行用户意图的理解，并结合已创建的目标应用的应用信息，来输出与用户意图所匹配的结果。

显然，按照本实施例提供的方案，用户可以直接通过自然语言描述的方式提出对目标应用功能的查询指令，不需要逐个页面浏览目标应用，即可快速了解创建的目标应用的功能是否完备或有偏差。

进一步地，当用户确认已经创建的目标应用不符合预期时，还可以进一步输入应用编辑需求，以指示对已创建的目标应用进行再次编辑操作。

则本实施例中在收到用户输入的应用编辑需求时，可以基于应用编辑需求，识别用户的编辑意图，所述编辑意图包括操作类型及操作对象。

其中，所述操作类型包括新增、删除和/或修改。所述操作对象包括功能页面及所述功能页面中的内容或组件，其中所述功能页面包括表单页、统计页、流程页中的任意一种。也即，用户可以对任意一个功能页面进行增、删、改，也可以对功能页面中的内容或组件进行增、删、改。

参考下表1，其示例了几种不同的操作对象：

表1

/>

进一步，基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用。

具体地，本实施例中可以调用人工智能模型，基于所述用户的编辑意图生成所述标准协议的可执行代码，作为更新后可执行代码。进一步将所述标准协议的更新后可执行代码转换为所述目标协议的更新后可执行代码，通过所述低代码平台对所述目标协议的更新后可执行代码进行渲染，得到编辑后的目标应用。

如图7-图8所示，其示例了基于用户的编辑需求增加流程也中的一个节点的情况。

用户针对创建的“离线管理”应用，可以再次输入编辑需求，如“我想把离校学生的信息同步到班牌上，方便任课老师知悉学生请假情况”。此时，在该应用编辑界面上，可以显示编辑前的目标应用中与本次应用编辑需求对应的操作对象信息。图7中示例的为“离校申请审批流程”。

在***完成对目标应用的编辑，得到编辑后的目标应用时，可以跳转到编辑成功界面，如图8所示。

进一步结合8所示，展示的应用编辑页面上可以包含目标应用中与本次编辑相关的应用信息，也即编辑后相比于编辑前所改动的应用信息。如图8所示，编辑后新增了一个流程节点：“发送请假数据，数据接收对象为电子班牌***”。对于改动的应用信息可以突出显示，示例如通过虚线框标记或其他形式进行标记。

如图9所示，其示例了基于用户的编辑需求增加统计页的情况。

用户针对创建的“离线管理”应用，可以再次输入编辑需求，如“我想要一个离校学生统计功能，可以显示本月离校学生的变化趋势和具体名单”。在***完成对目标应用的编辑，得到编辑后的目标应用时，可以跳转到编辑成功界面，如图9所示。编辑后新增了一个“学生离校分析”统计页，其中展示有本月离校学生变化趋势图，以及本月离校学生名单。

对于上述实施例中介绍的基于应用编辑需求，识别用户的编辑意图的过程，本申请实施例做进一步介绍。

本实施例中可以调用人工智能模型，基于应用编辑需求来识别用户的编辑意图。

进一步地，考虑到用户在描述应用编辑需求时，有可能会同时描述多个不同的编辑意图，示例如下“我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细”，该应用编辑需求包含了多个不同的编辑意图分别为：

(1)、创建教务处老师角色

(2)、创建统计分析页

(3)、增加五个统计图表，其中三个统计图表为：离校超过7天、14天、30天的请假人次统计图表，另外两个统计图表为：各年纪请假超过7天的统计数据图表以及明细图表。

为了能够同时识别出应用编辑需求中包含的多个编辑意图，本实施例中提供了一种解决方案。

结合图12进行说明，通过应用开发助手可以同时识别出应用编辑需求中包含的多个编辑意图。

可以理解的是，在不同的对话场景下(可以理解为不同的功能页面)，***可以处理的用户操作是一个有限集，如在平台首页，一般来说只允许应用的创建操作；在工作流页面，智能进行流程节点的增删改操作，等等。因此，本申请可以预先配置维护一个对话场景与可处理编辑意图清单的对应关系，也即图12中场景库中的每个对话场景，与意图库中的编辑意图之间存在对应关系。

在此基础上，可以确定用户输入应用编辑需求时的目标对话场景，示例如目标对话场景的ID、名称、描述信息等。进而可以参考上述预配置的对应关系，获取与目标对话场景对应的意图清单，该意图清单中包含了在目标对话场景下可以处理的所有编辑意图。

为了识别用户的编辑意图，本实施例中可以调用人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图。

一种可选的实施方式可以包括：

S11、获取第一提示指令prompt模板，该模板包含意图清单槽及应用编辑需求槽，用于指示模型参考所述意图清单槽中的各编辑意图，分析所述应用编辑需求槽中的应用编辑需求所包含的各个编辑意图。

S12、将所述意图清单组装到所述意图清单槽，将所述应用编辑需求组装到所述应用编辑需求槽，得到第一提示指令prompt，并送入所述人工智能模型，得到模型输出的目标编辑意图。

举例说明如：

用户针对开发的离校管理应用，提出应用编辑需求：“我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细”。该对话场景下对应的意图清单包括：{创建角色,创建页面,新增统计图表}。

则组装后的第一提示指令prompt可以是：

“你是一个NLP专家，需要你对用户的文字描述意图进行分析。

已知当前场景下支持的意图包括：{创建角色,创建页面,新增统计图表}。

请针对用户的应用编辑需求<我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细>分析用户需求中的第一层编辑意图。”

采用本实施例提供的方案，由于预先整理配置了每个对话场景下可以处理的编辑意图清单，可以使得人工智能模型参考该清单来识别应用编辑需求中用户的各编辑意图，提升了多意图识别的准确性。

另一种可选的实施方式中，考虑到不同编辑意图之间可能存在依赖关系，示例如在应用总览页下，各个编辑意图之间的先后层次顺序为：创建角色->创建页面->新增统计图表。因此，上述意图清单中所包含的各个编辑意图可以是按照层次顺序排列。基于此，上述调用人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图的过程，具体可以包括：

S21、获取第一提示指令prompt模板，该模板包含意图清单槽及应用编辑需求槽，用于指示模型按照所述意图清单槽中的各编辑意图的层次顺序，分析所述应用编辑需求槽中的应用编辑需求所包含的第一层次的编辑意图。

S22、将所述意图清单组装到所述意图清单槽，将所述应用编辑需求组装到所述应用编辑需求槽，得到第一提示指令prompt，并送入所述人工智能模型，得到模型输出的目标编辑意图。

举例说明如：

用户针对开发的离校管理应用，提出应用编辑需求：“我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细”。该对话场景下对应的意图清单包括：创建角色->创建页面->新增统计图表。

则组装后的第一提示指令prompt可以是：

“你是一个NLP专家，需要你对用户的文字描述意图进行分析。

已知当前场景下支持的意图以及层次关系如下：

创建角色->创建页面->新增统计图表。

请针对用户的应用编辑需求<我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细>分析用户需求中的第一层编辑意图。”

将上述第一提示指令prompt送入到人工智能模型，模型会按照意图清单中各编辑意图的排序顺序，优先输出排序靠前的且包含在用户的应用编辑需求中的编辑意图。

最终得到模型输出的目标编辑意图为：创建角色。

S3、判断所述目标编辑意图是否为所述意图清单中末尾的叶子编辑意图；若否，执行步骤S4，若是，执行步骤S5。

S4、从所述意图清单中按照层次顺序选取所述目标编辑意图之后的各层次的编辑意图，作为新的意图清单，并返回执行步骤S2。

具体地，上述例子中叶子编辑意图即为“新增统计图表”。步骤S3中通过判断模型识别的目标编辑意图是否为叶子编辑意图来判断是否终止进行意图识别，若识别的目标编辑意图并非叶子编辑意图，则说明还有可能存在其它编辑意图并未识别完毕，因此，可以将意图清单中识别到的目标编辑意图之后的各层次的编辑意图作为新的意图清单，并返回执行步骤S2，直至某一轮中识别出的目标编辑意图为叶子编辑意图时，执行步骤S5。

仍以上述示例进行说明，识别出的目标编辑意图为“创建角色”，其不属于叶子编辑意图，从意图清单中提取“创建角色”之后的各层次的编辑意图，得到的新的意图清单为：创建页面->新增统计图表。

再次返回执行步骤S2时，得到的第一提示指令prompt如下：

“你是一个NLP专家，需要你对用户的文字描述意图进行分析。

已知当前场景下支持的意图以及层次关系如下：

创建页面->新增统计图表。

请针对用户的应用编辑需求<我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细>分析用户需求中的第一层编辑意图。”

模型输出的目标编辑意图为“创建页面”，其仍不属于叶子编辑意图，因此再次提取新的意图清单为：新增统计图表，并再次返回执行步骤S2时，得到的第一提示指令prompt如下：

“你是一个NLP专家，需要你对用户的文字描述意图进行分析。

已知当前场景下支持的意图以及层次关系如下：

新增统计图表。

请针对用户的应用编辑需求<我想增加一个教务处老师角色并为其创建一个统计分析页，实现离校超过7天、14天、30天的请假人次，各年纪请假超过7天的统计数据以及明细>分析用户需求中的第一层编辑意图。”

模型输出的目标编辑意图为“新增五个统计图表”，属于叶子编辑意图，执行步骤S5。

S5、调用所述人工智能模型获取所述目标编辑意图所需的槽位信息，由得到的各层次的非所述叶子编辑意图的目标编辑意图、属于所述叶子编辑意图的目标编辑意图及其槽位信息组成最终用户的各编辑意图。

具体地，在上述多轮迭代得到各个非叶子编辑意图的目标编辑意图以及作为叶子编辑意图的目标编辑意图后，可以进一步调用模型获取作为叶子编辑意图的目标编辑意图所需的槽位信息。具体实施时，可以调用人工智能模型，从用户输入的应用编辑需求中获取所述目标编辑意图所需的槽位信息。

以用户输入的应用编辑需求“我想在审批通过后给家长发送短信”为例，其仅包含一个编辑意图“增加流程节点”，与该编辑意图对应的槽位信息如下：

经过上述步骤S1-S5可以得到人工智能模型识别出的各层次的目标编辑意图(包含叶子编辑意图及其所需的槽位信息)，由各层次的目标编辑意图组成最终用户的各编辑意图。

采用本实施例的方案，通过配置各对话场景对应的意图清单，设置意图清单中各编辑意图间的层次顺序，通过多轮调用人工智能模型，每轮中可以让模型参考意图清单中各编辑意图的层次顺序，来识别应用编辑需求中第一层次的编辑意图，实现对应用编辑需求包含的多个编辑意图的识别，进一步提升了多意图识别的结果准确性。

在上述实施例的基础上，对于用户创建的目标应用可以发布到应用市场中。用户可以按照现有访问应用程序的方式来使用发布后的应用。

此外，本实施例中还提供了一种通过应用使用助手来访问应用的可选实现方式。

结合图10-图11所示，在应用市场界面可以显示有已创建的各种类型的应用。同时，该界面上还可以唤醒应用使用助手，如图10右下角所示窗口。用户可以在应用使用助手的对话框中输入自己的应用使用需求，则本申请可以在应用市场中确定与应用使用需求所匹配的应用，同时，结合应用使用需求及匹配的应用的应用信息，抽取填报所述匹配的应用的表单页面所依赖的业务数据，启动匹配的应用，并利用抽取业务数据填充匹配的应用的表单页面。图11所示的即为在输入的应用使用需求为“六年级1班张小明需要离校，他刚才突然肚子疼要去医院，下午放学前能回来”时，所展示的应用界面。本申请基于该需求确定与之匹配的应用为“住校生离校管理”应用，因此启动该应用并跳转到“离校申请表”界面，结合该表单界面填报时所依赖的业务数据，进行业务数据的抽取及填充，最终得到图11所示的结果。

由此可见，采用本申请实施例的方案，通过应用使用助手可以自动解析用户的应用使用需求，并自动匹配应用，确定并抽取填充应用的表单页面所依赖的业务数据，进行表单页面的自动填充，不需要用户自行在应用市场中查找所需的应用，也不需要用户在应用的表单页面中手动填充信息，极大提升了用户的使用便捷度。

当然，上述图10-图11仅示例了网页版应用界面的一种示例，除此之外，本申请的应用助手还可以设置在移动APP端，对应的交互界面不再一一示例。

本实施例中介绍了上述在应用市场中确定与用户输入的应用使用需求所匹配的应用的一种可选实施方式。

对于应用市场中的每一个应用，本申请实施例可以预先将应用信息提交至向量库进行向量表征的构建，也即基于每一应用的应用信息(包括但不限于：应用基础信息、数据模型、页面信息、工作流信息、角色权限信息等)，生成应用对应的向量表征，从而为应用市场中每一应用确定与之对应的向量表征。

在此基础上，当获取到用户的应用使用需求后，可以确定该应用使用需求对应的第一向量表征，并在向量库中进行向量匹配，得到匹配的向量表征，将该匹配的向量表征所对应的应用，作为匹配的应用。

当然，除了上述实现方式之外还可以设计其它的应用匹配策略，示例如将应用使用需求与每一应用的名词、描述信息进行相似度匹配，选取相似度最高的作为匹配的应用等等，本实施例中不再穷举。

前述各实施例中，示例了应用搭建及使用过程中的一些可选的人机交互方式。可以理解的是，在应用搭建及使用过程中，***均可以响应于用户输入的请求并给出答复，当***可以识别用户的需求并完成相应的操作时，可以给出成功提示，如图3-图11所示的，如“应用搭建成功”、“应用修改成功”等，反之，当***无法识别用户的需求或无法完成相应的操作，可以给出失败提示。实际情况中，失败有多种原因导致，不同原因的失败提示也可以不一样，如下表2示例了几种不同失败提示语内容：

表2

/>

/>

下面对本申请实施例提供的应用搭建装置进行描述，下文描述的应用搭建装置与上文描述的应用搭建方法可相互对应参照。

参见图13，图13为本申请实施例公开的一种应用搭建装置结构示意图。

如图13所示，该装置可以包括：

开发需求获取单元11，用于获取用户输入的应用开发需求；

标准可执行代码生成单元12，用于调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

协议转换单元13，用于根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

可执行代码渲染单元14，用于通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

可选的，本申请的装置还可以包括：

应用总览展示单元，用于在得到所述目标应用之后，展示所述目标应用的功能总览与详情页，以供用户浏览所述应用的功能页面及详情。

可选的，本申请的装置还可以包括：

功能查询指令获取单元，用于获取用户输入的应用功能查询指令，所述查询指令用于查询所述目标应用是否能够实现目标功能；

功能查询指令响应单元，用于解析所述应用功能查询指令，并判断所述目标应用是否具备所述目标功能，输出判断结果。

可选的，本申请的装置还可以包括：

应用编辑需求获取单元，用于获取用户输入的应用编辑需求，所述应用编辑需求用于指示对所述目标应用进行编辑；

编辑意图识别单元，用于基于所述应用编辑需求，识别用户的编辑意图，所述编辑意图包括操作类型及操作对象，所述操作类型包括新增、删除和/或修改；

应用编辑单元，用于基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用。

可选的，本申请的装置还可以包括：

编辑页面展示单元，用于展示应用编辑页面，所述应用编辑页面上包含所述目标应用中与本次编辑相关的应用信息。

可选的，本申请的装置还可以包括：

结构化处理单元，用于在标准可执行代码生成单元处理之前，将所述应用开发需求处理为结构化文本；

则标准可执行代码生成单元调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码的过程，包括：

调用所述人工智能模型，将所述结构化文本转换为标准协议的可执行代码。

可选的，上述标准可执行代码生成单元调用所述人工智能模型，将所述结构化文本转换为标准协议的可执行代码的过程，包括：

调用所述人工智能模型，生成与所述应用开发需求对应的应用基本描述信息；

调用所述人工智能模型，根据所述应用基本描述信息，生成应用功能描述清单；

调用所述人工智能模型，根据所述应用功能描述清单，生成数据模型清单；

调用所述人工智能模型，根据所述数据模型清单以及所述应用功能描述清单，生成应用所涉及的角色以及权限清单。

可选的，所述用户的编辑意图为一个以上，则上述编辑意图识别单元基于所述应用编辑需求，识别用户的编辑意图的过程，包括：

确定用户输入所述应用编辑需求时的目标对话场景，获取预配置的与所述目标对话场景对应的意图清单，所述意图清单包含在所述目标对话场景下可以处理的所有编辑意图；

调用所述人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图。

可选的，所述意图清单中各个编辑意图间存在层次顺序，则上述编辑意图识别单元调用所述人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图的过程，包括：

获取第一提示指令prompt模板，该模板包含意图清单槽及应用编辑需求槽，用于指示模型按照所述意图清单槽中的各编辑意图的层次顺序，分析所述应用编辑需求槽中的应用编辑需求所包含的第一层次的编辑意图；

将所述意图清单组装到所述意图清单槽，将所述应用编辑需求组装到所述应用编辑需求槽，得到第一提示指令prompt，并送入所述人工智能模型，得到模型输出的目标编辑意图；

判断所述目标编辑意图是否为所述意图清单中末尾的叶子编辑意图；

若否，从所述意图清单中按照层次顺序选取所述目标编辑意图之后的各层次的编辑意图，作为新的意图清单，并返回执行将所述意图清单组装到所述意图清单槽，将所述应用编辑需求组装到所述应用编辑需求槽，得到第一提示指令prompt的步骤；

若是，调用所述人工智能模型获取所述目标编辑意图所需的槽位信息，由得到的各层次的非所述叶子编辑意图的目标编辑意图、属于所述叶子编辑意图的目标编辑意图及其槽位信息组成最终用户的各编辑意图。

可选的，上述应用编辑单元基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用的过程，包括：

调用所述人工智能模型，基于所述用户的编辑意图生成所述标准协议的可执行代码，作为更新后可执行代码；

将所述标准协议的更新后可执行代码转换为所述目标协议的更新后可执行代码；

通过所述低代码平台对所述目标协议的更新后可执行代码进行渲染，得到编辑后的目标应用。

可选的，搭建好的目标应用发布在应用市场中，该装置还可以包括：

应用使用需求获取单元，用于获取用户在所述应用市场中提出的应用使用需求；

匹配应用确定单元，用于在所述应用市场中确定与所述应用使用需求所匹配的应用；

应用表单页填报单元，用于结合所述应用使用需求及所述匹配的应用信息，抽取填报所述匹配的应用的表单页面所依赖的业务数据；

应用拉起单元，用于启动所述匹配的应用，并利用所述业务数据填充所述匹配的应用的表单页面。

可选的，上述匹配应用确定单元在所述应用市场中确定与所述应用使用需求所匹配的应用的过程，包括：

确定所述应用使用需求对应的第一向量表征；

基于所述第一向量表征在向量库中进行向量匹配，得到匹配的向量表征，并获取所述匹配的向量表征所对应的应用，作为匹配的应用；其中，所述向量库中包含基于所述应用市场中每一应用的应用信息所构建的每一应用对应的向量表征。

本申请实施例提供的应用搭建装置可应用于应用搭建设备，如终端、服务器、云端等。可选的，图14示出了应用搭建设备的硬件结构框图，参照图14，应用搭建设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；

处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；

其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：

获取用户输入的应用开发需求；

调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

可选的，所述程序的细化功能和扩展功能可参照上文描述。

本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：

获取用户输入的应用开发需求；

调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

可选的，所述程序的细化功能和扩展功能可参照上文描述。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (16)

1.一种应用搭建方法，其特征在于，包括：

获取用户输入的应用开发需求；

调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

2.根据权利要求1所述的方法，其特征在于，还包括：

在得到所述目标应用之后，展示所述目标应用的功能总览与详情页，以供用户浏览所述应用的功能页面及详情。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取用户输入的应用功能查询指令，所述查询指令用于查询所述目标应用是否能够实现目标功能；

解析所述应用功能查询指令，并判断所述目标应用是否具备所述目标功能，输出判断结果。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取用户输入的应用编辑需求，所述应用编辑需求用于指示对所述目标应用进行编辑；

基于所述应用编辑需求，识别用户的编辑意图，所述编辑意图包括操作类型及操作对象，所述操作类型包括新增、删除和/或修改；

基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用。

5.根据权利要求4所述的方法，其特征在于，还包括：

展示应用编辑页面，所述应用编辑页面上包含所述目标应用中与本次编辑相关的应用信息。

6.根据权利要求4所述的方法，其特征在于，所述操作对象包括功能页面及所述功能页面中的内容或组件，其中所述功能页面包括表单页、统计页、流程页中的任意一种。

7.根据权利要求1所述的方法，其特征在于，在所述调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码之前，还包括：

将所述应用开发需求处理为结构化文本；

则所述调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码的过程，包括：

调用所述人工智能模型，将所述结构化文本转换为标准协议的可执行代码。

8.根据权利要求7所述的方法，其特征在于，调用所述人工智能模型，将所述结构化文本转换为标准协议的可执行代码的过程，包括：

调用所述人工智能模型，生成与所述应用开发需求对应的应用基本描述信息；

调用所述人工智能模型，根据所述应用基本描述信息，生成应用功能描述清单；

调用所述人工智能模型，根据所述应用功能描述清单，生成数据模型清单；

调用所述人工智能模型，根据所述数据模型清单以及所述应用功能描述清单，生成应用所涉及的角色以及权限清单。

9.根据权利要求4所述的方法，其特征在于，所述用户的编辑意图为一个以上，则基于所述应用编辑需求，识别用户的编辑意图的过程，包括：

确定用户输入所述应用编辑需求时的目标对话场景，获取预配置的与所述目标对话场景对应的意图清单，所述意图清单包含在所述目标对话场景下可以处理的所有编辑意图；

调用所述人工智能模型，以参考所述意图清单识别所述应用编辑需求中用户的各编辑意图。

10.根据权利要求4所述的方法，其特征在于，基于所述用户的编辑意图，对所述目标应用进行编辑，得到编辑后的目标应用的过程，包括：

调用所述人工智能模型，基于所述用户的编辑意图生成所述标准协议的可执行代码，作为更新后可执行代码；

将所述标准协议的更新后可执行代码转换为所述目标协议的更新后可执行代码；

通过所述低代码平台对所述目标协议的更新后可执行代码进行渲染，得到编辑后的目标应用。

11.根据权利要求7所述的方法，其特征在于，所述应用开发需求为多模态信息，所述多模态信息包括：文本模态、音频模态和视觉模态中任意一种模态的应用开发需求。

12.根据权利要求1-11任一项所述的方法，其特征在于，搭建好的目标应用发布在应用市场中，该方法还包括：

获取用户在所述应用市场中提出的应用使用需求；

在所述应用市场中确定与所述应用使用需求所匹配的应用；

结合所述应用使用需求及所述匹配的应用信息，抽取填报所述匹配的应用的表单页面所依赖的业务数据；

启动所述匹配的应用，并利用所述业务数据填充所述匹配的应用的表单页面。

13.根据权利要求12所述的方法，其特征在于，在所述应用市场中确定与所述应用使用需求所匹配的应用的过程，包括：

确定所述应用使用需求对应的第一向量表征；

基于所述第一向量表征在向量库中进行向量匹配，得到匹配的向量表征，并获取所述匹配的向量表征所对应的应用，作为匹配的应用；其中，所述向量库中包含基于所述应用市场中每一应用的应用信息所构建的每一应用对应的向量表征。

14.一种应用搭建装置，其特征在于，包括：

开发需求获取单元，用于获取用户输入的应用开发需求；

标准可执行代码生成单元，用于调用预配置的人工智能模型解析所述应用开发需求，以生成标准协议的可执行代码；

协议转换单元，用于根据所述标准协议与低代码平台所能识别的目标协议之间的映射关系，将所述标准协议的可执行代码转换为所述目标协议的可执行代码；

可执行代码渲染单元，用于通过所述低代码平台对所述目标协议的可执行代码进行渲染，得到搭建好的目标应用。

15.一种应用搭建设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如权利要求1～13中任一项所述的应用搭建方法的各个步骤。

16.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～13中任一项所述的应用搭建方法的各个步骤。