Как расширить возможности Loginom с помощью JavaScript и LLM без глубоких знаний в программировании? Разберем, в каких случаях действительно нужен код, как создавать собственные компоненты с помощью DeepSeek и сохранять контроль над логикой сценариев.
В low-code аналитических системах большая часть бизнес-логики создается с помощью визуального проектирования. Однако при решении нестандартных задач и расширении функциональности может потребоваться программирование. Возникает вопрос: можно ли сделать этот этап доступным специалистам, которые не владеют языками программирования?
В Loginom доступны компоненты с поддержкой JavaScript и Python. В докладе рассматривается использование больших языковых моделей (LLM) для генерации JavaScript-кода, который можно применять непосредственно в процессах Loginom.
На примере типовой задачи показано, как организовать работу с LLM, какие результаты можно получить на практике и какие особенности учитывать при генерации кода. Доклад будет полезен аналитикам, разработчикам и всем, кто хочет расширить возможности low-code-разработки с помощью ИИ.
Ссылки на промпты, необходимые для генерации кода — в статье «ИИ-генерация кода для компонента JavaScript в Loginom».
Подробнее о генерации JavaScript-кода в докладе Евгения Стучалкина, архитектора аналитических систем DM LAB:
Другие материалы по теме:
Запись вебинара «Как потратить бюджет на ИИ и не добиться ничего»
