从 BI 低代码到 AI 工作台：我的工程主线

我不是从模型开始理解 AI 应用的

我对 AI 应用的理解，更多来自过去做数据产品和低代码平台时遇到的问题：用户真正要的不是一个炫酷界面，而是把业务口径、数据结果、权限边界和下一步动作连接起来。

BI 低代码平台让我理解配置化和可视化，数仓指标链路让我理解数据可信，后端微服务让我理解服务边界，移动端 AI 问数让我理解交互闭环。从前端出身到覆盖 Java 后端、数据开发与全栈工程，从需求、交互、接口联调到上线闭环推进。这些东西叠在一起，才是我现在做 AI 工作台的底层经验。

能力迁移的几个关键点

• 从图表协议到 AI 结果协议：过去是图表组件消费配置，现在是 AI 结果也要被前端稳定渲染。
• 从指标拖拽到自然语言问数：输入形态变了，但指标口径、组织权限、时间边界没有消失。
• 从低代码配置到 Agent 工作流：都需要 schema、状态机、回显、调试和错误兜底。
• 从看板发布到分析任务：长任务必须有状态、有进度、有失败原因，而不是只等一个最终答案。