谁都没有想到，如此实用的 AI 代码生成工具，竟是出自美团。
上周，有媒体曝出了美团的 AI 零代码工具 NoCode，这是一款无需编程背景和经验，仅通过自然语言和对话形式即可快速生成应用的工具。
顾名思义，NoCode 可帮助很多人以「零代码」的方式创建个人提效工具、产品原型、可交互页面等。它不仅能生成代码，还可以进行实时预览，局部修改并一键部署，大幅降低了开发的门槛，可以帮助更多人释放创意。
而且，NoCode 是完全免费的，用美团 App 或微信扫码就能登录。
产品链接：https://nocode.cn/
NoCode 是美团开放 AI 生态的最新实践，旨在通过免费开放自身积累的 AI 技术能力，助力中小商户实现 IT 化与数字化升级，同时让更多用户体验 AI 技术带来的效率提升与创新乐趣。在公司内部，人们已经利用它构建出了从网站页面到效率工具、数据分析再到简单游戏等大量不同种类的应用。
虽然目前还未正式发布，不过我们已经在社交网络上看到了一些使用 NoCode 构建产品的案例。
比如使用 NoCode 生成的五子棋游戏，落子时有视觉反馈效果，可以进行人机对战：
项目链接：https://nocode.host/6281d/wqtkm8blcfm3ovhk
一个热点美食追踪的网站，详细区分了品类、门店详情等页面，包含门店覆盖热力图：
项目链接：https://nocode.host/3a6ad/m3dbk1k0j4ksr99s
商家数字运营系统，包含运营数据、订单管理、库存和分析等多个项目：
项目链接：https://nocode.host/6281d/1o5c1i2i9bdacm06
也有越来越多的人分享了自己的使用心得。简单说来，NoCode 具备以下一些特点：
自然语言编程：使用自然语言描述想法，NoCode 就能自动解读并转化为完整功能，无需编程经验即可生成可用能力。在用户输入指令后，NoCode 会对指令进行拓展、优化，还可以进行一键优化。
实时预览效果：NoCode 能根据对话内容即时渲染、呈现结果，可实时查看每次对话后的实际效果。
局部定位修改：使用 Visual Edit 功能，可针对定位内容进行局部修改及完善；同时支持版本间对比、回退，保障每一步都「有迹可循」。
一键部署分享：应用构建完成后，代码将自动上传到仓库，即可立即部署并与其他人分享，点击即可直接访问链接查看作品，同时后方会展示复制按钮，用户也可以选择一键复制链接后，分享给其他人查看。
NoCode 由美团研发质量与效率团队研发，该团队属于美团基础研发平台。赶在 NoCode 正式上线之前，美团基础研发平台工程效率负责人、美团技术委员会委员程大同，与美团基础研发平台智能开发工具负责人俞超接受了我们的采访。他们就 NoCode 的产品形态，技术架构和应用能力对我们进行了详细介绍。
在 NoCode 的开发者们看来，这款工具就像是一个全栈工程师，它可以在不同的工作流程中提升生产力。从技术架构上看，NoCode 的背后是多个 AI 模型，又针对多项业务进行了专门的训练与调优。在美团内部的应用中，NoCode 已经展现出了极强的实用性。或许用不了多久，我们的编程范式就会因为这些 AI 工具而迎来翻天覆地的变革。
这是我们第一次能够了解美团这一神秘产品的技术细节，让我们看看他们是怎么说的。
部分文字进行了不改变原意的改写。
有关新工具的发布
1、请简要介绍一下美团即将发布的 AI 零代码工具 NoCode。
程大同：某种程度上，你可以把 NoCode 理解成为一个全栈的 AI 工程师，它拥有完整的环境，一个能够直接运行程序的沙箱。
即使你没有技术背景，也能生成小工具、网页前端、产品原型、小程序、小游戏等等。你只需要把需求提给 AI，它就能帮你 work，不需要麻烦开发团队，也不需要考虑安装和部署。在美团内部，很多完全没有编程经验的同学经过与 AI 的多轮对话构建起了具有实际生产力的应用，它们虽然没有专业开发者构建的那样复杂，但已经是完全能用的。
我认为它意味着创造力：你在自己的专业领域里有了 idea，NoCode 就可能提供帮助，不过得有一些耐心。在美团内部，一些用 NoCode 做出的优秀实践案例会与 AI 进行超过一百轮的对话。
2、我们知道，长期以来美团一直在零售场景中探索新技术的应用，本次提出的产品则面向代码开发，可以说是开拓到了一个新的方向。开放 NoCode 是出于怎样的考量？
程大同：我们认为目前已经到了这个阶段。我们的产品在内部使用效果很好，但大家的想象力其实也有穷尽的时候。如果把 NoCode 开放到更广阔的场景下，让更多人来使用，可能会带来更多的可能性，不仅对于我们，对于整个行业也能产生价值。
一直以来美团聚焦的方向是零售加科技，除了自动配送车、无人机等相对硬核的技术以外，其实在 AI 模型等软核技术上我们的迭代也很快。
相比市面上一些 AI 代码生成工具，我觉得我们开放出来是为了让大家能够参与 AI 这件事。我们会在零售加科技的方向上持续投入，而且有一些还不错的进展。
3、NoCode 的能力如何？是否有代码基准评测上的成绩可以分享？
程大同：我们没有对外去打榜。在内部测试时可以看到 code Agent 在 SWE-Bench（注：基于 GitHub 的大模型能力评估数据集）上跑分是比较高的，Verified 项目上行业 SOTA 水平在微调后分数在 65% 左右，我们在没有微调的情况下分数能达到 50% 以上，差不多在 Top5 的水平。
我们更加关注的是实际的生成效果。在内部实践中可以看到，NoCode 的使用率很高，非技术人员用户是技术人员数量的三倍。
在 AI 代码生成这件事情上，我们有很多的实战经验。相比创业公司，我们已经拥有了相当数量的「客户」—— 美团的一线 BD 和销售，甚至一些 B 端商户，他们都已经用得很娴熟了。另外，我们在智能体上的经验和积累也推动了技术栈的构建。
我们希望 AI 技术的应用能够更加平民化，从需求、debug 到环境部署更加自动化，可以实现应用构建的从零到一。
NoCode、Dev Mode 背后的技术
4、请简要介绍一下 NoCode 的大致框架。支撑 NoCode 的基础大模型是怎样的？
俞超：NoCode 是一个大模型智能体产品，围绕基础设施、runtime sandbox 和大模型构建，多个 AI 模型进行协作。
高清图片链接：https://nocode.host/6281d/lp1779rwn2cpl5lms
大体来说，NoCode 整体架构分为三层，分别为基础设施和模型层、runtime sandbox 和 baas 层、Agent 应用层。基础设施层面，包括 K8S 大规模集群调度算力，分布式文件系统提供代码存储能力，Ingress 网关实现网站路由，部署系统提供部署能力，图片检索服务适配网页图片等。再往上是 runtime sandbox 层，基于特定技术框架（如 react、云 IDE）构建镜像，通过池化技术加速冷启，热更新实现页面实时渲染。最后是 Agent 应用架构，一个大尺寸主推理模型，外加一些垂直场景的小模型，构建包括 plan、context 管理、code 场景下的 tool set 在内的 code agent。
切换到 Dev Mode 之后，用户视图转变为完整的 Agentic IDE — CatPaw，适用于专业用户进行更精细化控制。CatPaw 于 2022 年 11 月启动，当时名字叫做 MCopilot，后来我们认为 Copilot 这个词不太好，改名 CatPaw，目前在美团内部研发的渗透率超过 90%，这部分技术架构，细节更为复杂，后续有机会单独分享。
高清图片链接：https://nocode.host/6281d/snpwps0uq1nje77bg
5、在这其中，美团的工程团队实现了哪些创新，其核心技术在于哪些方面（如模型训练和调优、数据集等）？
俞超：我们专门构建了一个 7B 参数的 apply 专用模型，用来解决大尺寸模型生成慢的问题。这个专用模型基于美团自研代码基座，通过美团内部真实代码数据及部分合成数据进行训练，它的任务是根据源文件 + 修改方案进行全量代码生成。我们离线评估它的生成指标后在线上进行 A/B 实验，衡量整个产品最终的端到端运行效果，不断进行优化迭代，目前已经迭代了十几个版本。
Apply 专用模型，我们有一个专门的优化团队，不断优化算法和工程，可以在不损失精度的情况下实现每秒 2000 token 的推理，而且使用的还不是业界最先进的 GPU 卡，如果用大尺寸模型去输出代码的话，生成速度可能只能达到每秒几十 token。
实际上，除了 Apply 模型之外，我们还自行训练了很多小模型，比如最早期的代码补全模型，Embedding 模型，Rerank 模型等，它们在架构中发挥的效果就是在不降低指标的前提下提升推理速度，可以做到又快又好。相对而言，使用大尺寸模型就显得有些浪费 token。
对于模型迭代来说，数据的质量和实验迭代的速度至关重要。我们基于美团内部数据以及合成数据构建训练集和评测集，并加入人工校对审核。为了提升垂直场景的效果，我们进行了很多离线评测和线上 A/B 实验。我们不仅对小模型进行垂直评测，也对整个产品端到端的链路进行评测。我们的目标并不是 Benchmark 打榜，而是针对美团生态的开发者、非开发者需求，持续进行微调。
6、选择对外界进行开放，就意味着可能的大规模应用。在产品体验上，美团对 NoCode 实现了哪些优化？
俞超：极致的技术优化带来极致的产品体验。比如说代码实时渲染，它的背后其实需要调用服务器的算力。最好的情况就是像本地开发一样，改完代码立马就可以看到输出效果，然后我就可以进行快速迭代。
在对话过程中，每一个 NoCode 作品背后都有一个 runtime sandbox ，提前安装好环境、依赖、ide 等，能够快速的去帮你去把代码实时更新到容器里面，热更新后快速看到效果。
当然，这也会带来另一个问题，容器资源的开销是很大的。我们专门设计了回收容器的机制，结合无状态设计及容器池化，让你在下次打开容器时可以实现秒级启动。
为了对抗大模型输出的不稳定性，我们还设计了 Visual Edit。你可以在网页上选中部分区域进行局部修改，比如改个文字，改个背景图，不需要依赖大模型就可以改，既快又准。
每一次对话后，我们都会默认生成一个带有页面截图的版本，通过浏览带图的历史，你可以很容易回顾每次改动，从而方便切换版本或者一键回退。
如果你使用过 NoCode，你应该会注意到，NoCode 生成的网页中的图片，是非常符合生成网页上下文这个场景的的，这里其实涉及到图片搜索，我们也有团队专项优化这个服务。具体来说，我们会结合网页的上下文，通过关键字、语义化去进行图片检索后放置到网页中，合适的图片对于网页整体的美感非常重要。
最后，为了适配更专业用户的诉求，解决非专业用户和专业用户间的协同，我们设计了 Dev Mode。Dev Mode 几乎是把美团内部更专业版本的 AI Native IDE 搬到浏览器，以实现更加精细化的控制。当非专业用户使用 NoCode 经过一些迭代之后，如果发现改不动了，可以直接 share 链接给到专业用户，他切换到 Dev Mode 进行快速迭代，非专业用户刷新就能看到实时效果，实现协同创作。
这里只是举了几个例子，我们还有很多优化在路上，也欢迎大家在社区（ feedback.nocode.cn）中给我们多多提意见。
7、如何让 AI 更准确地遵循人类给出的指令，写出好用的代码，美团的工程师们在构建 NoCode 的过程中克服了哪些挑战？
俞超：遵循指令的能力主要考验模型推理能力，另外也需要提供足够多无歧义的上下文给到模型，在 NoCode 这个场景，还需要选择模型输出效果最佳的前端技术框架。对于每个模型我们都会花费大量时间调整 system prompt，如模型是否足够主动，使用的代码规范，工具的描述是否精准，格式是否最优等。我们后续还会支持用户自定义的一些 system prompt，你可以制定一些以符合你的个人习惯。前端技术框架层面，我们选择了 react+tailwind+shadcn+vite 的组合。此外，模型输出的代码有时会发生编译不通过的情况，我们也会把编译器的报错自动给到模型进行修复，直到能成功渲染为止，这里的修复策略我们也会有团队专项优化迭代。
8、人们在真实生产环境中构建项目时，通常会需要大模型工具保持连贯性，拥有长期记忆能力，NoCode 是否拥有这样的机制，它是如何做到的？
俞超：如果代码文件不多，你可以直接把所有代码塞到一个窗口中，超过模型的上下文窗口之后，我们一方面会通过 RAG 来实现知识增强，另一方面也会给模型提供一些工具来进行代码检索。针对 RAG 场景我们专门训练了 search 系列模型。比如 embedding 模型如何向量化数据集，rerank 模型进行重排等等。这个里面的每项任务、每一个细节都进行了专门的训练和评估，在单点上做到极致，然后再把它串联起来，组合实验。随着模型的推理能力增强，将更多的 tool 直接训到模型中之后，模型可以基于当前的上下文动态 plan 后续的 action，比如通过关键字来检索代码仓库，或者列出某个目录的目录树结构，从而增强后续的推理。
AI 让人人都能写好应用
9、我们知道，使用 AI 代码工具经常需要多次生成、调整才能输出实用代码。对于非专业人员来说，我们如何知道 AI 生成的代码是否管用？NoCode 是如何帮助人们对代码进行迭代优化的？
俞超：你需要进行不断的迭代，先把你脑子里的想法输入进去，看看它会出来什么样的结果。我们很多内部员工在刚开始使用 NoCode 时在经验上会稍显不足，生成出来的结果完全不符合预期。但是他们慢慢的在对话过程中，逐渐摸索出 AI 的脾气到底是什么样子的。在我看来每一个模型都有他自己的脾气，就是「模性」。在用的过程中你会发现什么样的指令，对它来说这个最稳定、最容易遵循的。逐渐形成自己的方法经验。
这个学习的速度应该是非常快的，因为不需要你去学很多枯燥的代码，了解其中的语法结构和规则。只需要改进你的描述，然后调整模型输出的结果。
在使用 NoCode 的过程中，当你发现模型输出不符合预期，在页面右侧的可视化版本历史中，点下鼠标就能轻松实现回退，回退后可以补充更多的信息或者换一种描述，让 NoCode 帮你生成新版本。
我们也会放出一些实践案例，完整地呈现每个作品的对话过程，此外还会有社区方便大家分享经验。我相信这样一款产品，它的学习门槛相比传统代码要低很多，可能你一天时间就能够摸索出来高效实现的方法。
10、使用 NoCode 写应用，工作流程会发生怎样的变化？
程大同：主要看使用者的角色。
对于产品经理来说，我以前提一个需求，可能需要找一个研发做出 demo，然后再过设计，做好之后再 review，可能一两周就过去了。现在我用 AI 工具就可以直接做出原型，开发如果觉得 OK 的话，可以在原型上直接修改，进行更深层的开发。如果动手能力强的话甚至可以自己使用 AI 工具来进一步修改。
很多我们一线的业务人员，面对一些紧急的小项目都可以这样快速构建，实现业务的闭环。
第三类是全栈能力的补全。假如我是写后端的，需要自己写一个前端，就可以用 NoCode 来帮忙。我作为一个开发工程师，它拓展了我的技术栈。
还有就是数据分析人员，他们以前需要大量使用 Excel，还需要懂 VB 编程。现在通过自然语言直接进行分析，如何填写数据，如何生成图表，都可以用 AI 来帮忙。
可以说每个人都在发生变化，整个链条里面工作流程、协作模式。我们做过一些调研，不论是否懂编程，工作方式都能发生变化。
11、在美团内部，人们应用 NoCode 已经带来了哪些效率提升？是否有一些更具体的例子。
程大同：在美团，有很多对接出海业务的员工会使用 NoCode 构建学习外语的软件，他们会按照个人学习习惯和需要来设计产品，引入第三方工具，或是协同学习，还有人会用 NoCode 来写抽奖程序。
我们的 HR 团队、行政团队也发生了变化。比如像 HR 团队去年过年需要发的红包，就是有些同学拿 NoCode 做的，经过研发的一些辅助，他们让公司的 10 万人拿到了红包。他们完成这项任务只用了一到两个工作日。
在数据团队中，以前进行数据分析需要依赖专业的软件，其中有很多工具套到底层的大数据仓库。但这样的工具是通用化的，对于定制化需求，你就需要向专用软件的团队提需求。现在人们不需要提需求了，只需要用 NoCode 做一个端上的数据分析工具，基本只需要三四十轮的对话，一个早上的时间。
有结构化的数据，有 NoCode，就能很快把我的需求实现出来。
12、美团目前每天提交的代码有百分之多少是由 AI 代码生成工具构建的，使用自然语言创建出可用于生产的应用，可以把开发时间缩短多久？
程大同：在今年第一季度财报上有提到，美团使用 AI 生成代码占比达到了 27%。目前这个数字还在提升，目前每周使用我们内部的 AI 工具，生成代码增量占仓库增量的 50%。第一季度的统计数据还没有加入 NoCode。
我们认为（使用 AI 开发工具）在内部能带来 30-50% 的提效。
项目背景、未来展望
13、NoCode 这个项目是从何而来的？能否简要介绍一下它背后的历程和研发团队。
程大同：我们团队做 AI Coding 的 code agent 的时间有两年半，但是 NoCode 项目的启动到今天其实只经历了 6 个月。它是从 2024 年 10 月开始的，最开始是公司内部的一个黑客松项目，只有三个同学，现在核心技术人员也不到十个人。
在去年 11 月，项目开始后一个多月，我们突然发现这个项目能火，于是去快速地 ramp up 这个项目。
当然这里面肯定是有相互的依赖和认知迭代。能快速的做出这个东西，我觉得跟我们前面的积累有非常深的关系。
在 AI 产品的持续研发过程中，我们发现必须得有快速的迭代，你晚一分钟都不行。另外在这种新方向的尝试上，新的 AI 产品上得注意细节，特别是钻研垂类。
我们做了模型基座不能做的事情，其中的很多细节是我们打磨的，比如部署时云盘的链接，模型知识中调用工具依赖版本的问题，所有这些都是链路上的优化。
俞超：NoCode 在内部至少每周会发布一个新版本，多的时候每周两个版本。在把内部版本转换成可以对外的版本后，我们也会继续保持这样节奏迭代。
14、另一方面，对使用 AI 的人来说，使用大模型是对已有专业知识的放大，未来人与 AI 合作开发的新形式，对人提出了哪些新要求？
程大同：有很多需要改变的地方。我认为大家都需要持续学习，对于参与者来说，你得看 paper，了解从后端到前端的算法、工程问题，你要去用很多产品。
对于 AI 产品的使用者来说，上手去做很重要。你需要输入第一个 query，保持耐心。现在还不是 AGI 的时代，但越来越多的事情已经可以由 Agent 自动化来帮你完成了。你要学会在这个 human-in-the-loop（人在回路）的环境中快速交付结果，而不仅仅是提效。
如果你拥有更多专业编程知识的话，还可以去尝试更加专业的开发工具。
我认为 AI 编程未来会变成「车与司机」的关系 —— 三十年前大家认为司机是个职业，但是现在基本上大家都能开车，未来自动驾驶出现，甚至都不需要开车了，编程这种技能会变得非常具有普适性。
15、下一步会是什么？能否透露一下 NoCode 未来的发展方向，美团是否会推出更多的生产力应用？
程大同：对于 NoCode 来讲，我们会在近期持续提升稳定性与体验，对模型进行持续的优化。更长期的看，发展方向可能会在于打通非专业到专业的 AI 开发自动化。我们希望能够提出一个比较好的开发环境，在 IDE 领域进行探索。
我们可能在 6 月发布开发工具「Dev Mode」，实现更专业的 IDE，构建全量的代码、编译能力。
美团演示了正在开发的 Dev Mode 模式，向更专业需求提供了更加复杂的能力。
我们不知道 NoCode 会在市面上创造出怎样的影响，但我觉得能有多少影响，就创造多少影响。能够以务实的态度做好产品，聚焦效果，聚焦产品能力，我们的目标就是这样。
© THE END
