设计理念

简介 #

SmartChart 的起点是「把数据变成图表」,今天要解决的是「把数据、AI 和代码变成能上线的应用」。

它不只是可视化平台,而是三个平台共用一套底座:

平台 你能做什么
可视化平台 大屏、报表、移动看板、3D 场景、中国式报表
应用开发平台 CRUD 表格 / 表单 / 移动看板、多级查询、审批流、通知、数据权限
智能体平台 智能问数、智能提单、文档生成、网页生成、钉钉 / 企微机器人

底座是同一套东西:连接池、数据集、模板、版本、发布、权限、嵌入。所以「看板里能用的数据,表单里也能用;表单里提交的数据,看板里立刻能看到;智能体读写的也是这些表」。

核心理念速查 #

理念 一句话说明
三平台一底座 可视化、应用开发、智能体不各建一套,共用数据与权限
低代码而非无代码 保留 HTML/CSS/JS 与 ECharts 的自由度,不发明新语言
数据高速公路 不定义开发语言,只负责连接数据与图形,并提供规则与服务区
AI 应用的最后一公里 AI 负责写页面,平台负责让它接上数据、权限、发布与运维
局部调整不发模型请求 改样式、挪位置用可视化操作,token 花在结构上
精减设计 低频功能不占界面,需要时再出现
工程化优先 版本、发布、权限、缓存是内置能力,不是事后插件
养成式积累 图形、模板、数据集可跨项目复用,越用越快

一、设计哲学 #

1. 从真实场景长出来的敏捷数据中台 #

产品不是实验室里的 demo,而是在多个大型企业应用多年后沉淀下来的。它一开始只解决「数据怎么变成漂亮的图」,后来发现真实项目里图表只是一环:还要录数据、要审批、要查明细、要让 AI 帮忙回答问题。于是这些能力被一个个长进来,而不是靠买几个产品拼起来。

判断一个功能要不要做,标准是「真实项目里会不会反复用到」,而不是「演示时好不好看」。

2. 低代码,不是无代码 #

如果要把数据做成真正有个性、有质感的展现形式,不管用什么工具,最终都需要理解一些 HTML/CSS/ECharts 的基础配置。既然绕不开,不如直接把这一层开放出来:用户能找到的参考资料更全,社区里的代码可以直接复制进来改,AI 生成的代码也能直接贴进来跑。

所以我们不做「拖拽出一切」的无代码画布,而是提供结构清晰、可被专业人员接管的低代码平台。

3. 不做新语言,只修数据与图形的高速公路 #

SmartChart 不定义自己的模板语法或组件 DSL。模板就是标准 HTML/CSS/JS,取数就是 SQL,图形就是 ECharts option,业务表单就是普通的增删改查配置。这样做的代价是要懂一点前端,收益是所有既有知识、组件库、社区方案都能直接用,也不会被平台锁死。

平台负责的是这条路上的「交通规则和服务区」:连接池、数据集、参数与取数顺序、联动钻取、缓存加速、发布与权限。

4. 精减设计:低频功能不上界面 #

初学 SmartChart 常会觉得「功能藏得深」,因为界面上只放高频操作,低频能力放到抽屉、右键、快捷键或文档里。大屏和应用会持续几个月甚至几年,界面上每多一个不常用的按钮,每天都要为它付出注意力成本。

需要临时用一次的能力,用快捷入口解决;需要长期用的能力,用模板和脚本沉淀。

5. 数据处理优先 #

联动、刷新、参数传递这些机制是一体设计的,不需要在十几个设定面板之间找开关:数据集写好,图形引用的变量名就确定了;需要手动触发,用刷新语句;需要同步取数,用 ds_get。

同一套取数能力同时服务于图表、CRUD 表单和智能体,所以「换个展示形式」不等于「重写一遍数据层」。

6. 企业级,不是玩具 #

  • 可回溯:模板有版本管理,留版、对比、恢复都在编辑器里完成
  • 可发布:模板可压缩、加密、打包成静态文件,发布结果带内容指纹,便于定位线上版本
  • 可交付:支持只读发行版,把成品交给客户浏览而不暴露开发能力
  • 可集成:单点登录、嵌入认证、iframe 嵌入、第三方登录
  • 可运维:数据加速、懒加载数据集、后台 API 刷新、调度任务

7. 养成式积累 #

用久了会发现,图形、模板、数据集是可以复用的资产:下个项目直接把图形复制过去,把模板换一套数据就能上线。应用和智能体的产物同样沉淀在平台里,团队之间可以互通有无。

二、三个平台,一套底座 #

2.1 可视化平台 #

大屏、报表、移动看板、3D 场景、中国式报表,都建立在同一个仪表盘模型上:序号化的 DIV + 数据集 + 图形。布局可以选响应式栅格、拖拽布局或自由开发,渲染结果在多端保持一致。

2.2 应用开发平台 #

CRUD 表格、表单、移动端看板三种模式共用一套配置面板,可以配查询区、树形菜单、批量操作、功能按钮、审批流和用户级设定。配上 OA 工作流引擎与通知,就能在不引入另一个低代码平台的情况下,把「看数据」推进到「录数据、审数据、管数据」。

2.3 智能体平台 #

智能体在 SmartChart 里不是外挂的对话框,而是一种数据集类型(dsType):

类型 用途
agent 封装大模型调用,按提示词决定调用哪个工具
tool 可复用的技能函数,比如问数、写入、查文件
chart 图形化数据集,让模型直接渲染一张图或一张单据
api 外部接口代理,把第三方系统变成模型的工具

因为它是数据集,所以天然继承连接池、权限、缓存、上线状态;因为平台有图形和表单,所以智能体的产出不止是一段文字,可以是图表、报销单、Word 文档,甚至一整页网页。再接到钉钉、企微机器人上,就变成了「会干活的数字同事」。

2.4 为什么合成一个平台 #

  • 一份数据:看板、表单、智能体读的是同一批表和同一套数据集,不存在「换个系统就要再建一次模型」
  • 一套权限:用户、组、角色、报表授权、数据范围只需维护一次
  • 一条发布链路:模板版本、发布、嵌入、只读交付对所有产物通用
  • 一次学习:学会数据集与模板,就能延伸到应用和智能体

三、解决 AI 应用的最后一公里 #

3.1 为什么会有「最后一公里」 #

WorkBuddy、Cursor、Claude Code 这类工具已经能把界面、交互甚至业务逻辑写得很像样。但一个页面要变成「系统」,还差下面这些事——而它们恰好是对话里最容易被低估的部分:

缺的那一段 具体是什么
数据 接生产库、写查询、处理参数与缓存、控制取数顺序
交互 联动、钻取、筛选、表单校验、审批流转
适配 大屏、PC、平板、手机同一套页面
权限 谁能看、谁能改、能看哪些行
交付 打包、加密、发布、回滚、嵌入到客户系统
运维 定时刷新、错误日志、性能与并发

AI 能写代码,但不会替你把生产库接上、把行级权限配好、把上周的版本回滚回来。这一公里,SmartChart 来走。

3.2 把 AI 生成的源码贴进来 #

不需要重写,也不需要适配框架,直接把原生 HTML/CSS/JS 搬进模板:

  1. 生成:让 AI 产出单文件页面(内联 CSS/JS,不依赖构建工具)。使用smarchart的专属skill可能会变得更简单.
  2. 粘贴:仪表盘 → 开发 → 模板编辑器,把 HTML、样式、脚本分别贴到模板对应位置。编辑器顶部的视图分段(全部 / HTML / CSS / JS)可以快速定位与折叠;也可以把整段 HTML 做成 HTML 组件,作为一个图形挂到 {{div_list.N}}。
  3. 可视化调优:用 ⌖ 选取或 Alt+点击选中元素,在属性面板改文字、样式、位置;拖入预览区自动生成占位 DIV;再按需切换栅格 / 拖拽布局适配多端。
  4. 接数据与交互:把写死的假数据换成平台取数——脚本里用 dataN、ds_get(N),HTML 里挂载图形;交互走参数、联动、钻取,而不是自己写一套接口。
  5. 留版与发布:先存一版模板版本,再发布(压缩 / 加密 / 内联或静态文件),配好权限与嵌入方式即可上线。

3.3 局部调优:改一个颜色不该再付一次整页的 token #

用 AI 做页面,最贵的通常不是第一次生成,而是后面无数次的「标题再大一点」「这块往右挪 20px」。在纯对话里,这类改动要把整页源码重新贴进上下文、模型再重写一遍:token 随模板变长而增长,还容易顺手改坏别处。

在 SmartChart 里,这类改动根本不用找模型:

改动 做法 token
改文案、颜色、字号、间距、圆角、对齐 选中元素,用属性面板的样式分组胶囊 0
挪位置、调尺寸、插入或删除组件 拖拽落点(绿框放进内部 / 绿线插到上下)、布局边线 0
多端适配 切换栅格 / 拖拽布局,按需调整同一份模板 0
调层级、微调内联样式 属性面板里的 style 源码、包裹为拖拽 / 栅格 0
新增一段结构、改交互逻辑 只把相关片段交给 AI,不必贴整页 少量
整页重做 这时才需要整页生成 一次全量

两个省 token 的习惯:

  • 只贴相关片段:脚本面板的关联索引会告诉你某段 HTML 由哪个脚本渲染、某个事件绑到哪个函数,定位到再复制,不用把整篇模板贴进去
  • 改完看 diff:先留一版模板版本,改完对比,确认 AI 只动了该动的地方

一句话:token 花在结构上,不要花在像素上。

3.4 内置的「网页生成」智能体 #

平台自己就提供了一个示例: 网页生成 智能体会按 SmartChart 的标准模板格式产出 HTML/CSS/JS,生成结果直接粘贴到仪表盘模板即可运行。它把上面这套「生成 → 粘贴 → 接数据」的流程内置成了一条对话。

3.5 这样做的收益 #

传统做法 在 SmartChart 里
AI 生成页面 → 自己写接口 → 自建登录 → 自己部署 页面贴进来 → 选数据集 → 用现成权限 → 一键发布
改一次需求要重新生成整页 改对应片段,可可视化, 留一版,可对比可回滚
改个颜色也要重贴整页,token 随模板增长 属性面板点一下,0 token,且只改这一处
大屏能看,手机上体验崩 同一份模板配多端布局,或复用移动端 H5
演示很惊艳,上线卡在数据与权限 数据、权限、发布本身就是平台能力

四、我们主动放弃的东西 #

一份设计理念,说清楚「不做什么」比「做什么」更有价值:

放弃 原因
无代码智能体编排画布 复杂布局与精细效果最终仍需代码,隐藏代码只会让排错更难
自定义模板语言 学习成本高、生态封闭,且无法复用社区资源
通用 AI 代码生成器 通用生成器无法替你承担数据、权限、发布;我们选择做「接得住代码」的那一层
重型语义层 / 指标平台 属于数据中台范畴(中台版提供数据资产),不塞进可视化内核
替代业务系统 CRUD 与审批面向轻量业务,复杂业务仍应交给专业系统
零学习成本 想把大屏和应用做好,基础是绕不过去的,我们选择把它讲清楚

五、与其它方案的边界 #

与传统 BI #

  • 传统 BI 面向业务人员,重点是开发过程无代码化,代价是可视化效果与定制化程度受限,对数据量和硬件更敏感
  • SmartChart 面向技术人员,重点是最终效果与灵活度:低代码 + 可写代码,性能靠缓存与懒加载优化
  • 选择建议:数据/报表开发人员主要挂在技术部门,SmartChart 更合适;如果主要服务业务部门自助分析,传统 BI 或数据问答产品更顺手

与开源大屏设计器 #

  • 大屏设计器多聚焦于边框、装饰、动效等前端效果,数据链路通常止步于一个接口地址
  • SmartChart 覆盖的是全链路:数据源与连接池、数据集与缓存、图形与模板、版本与发布、权限与嵌入,并且同一条链路还能承载表单与审批

与低代码应用平台 #

  • 低代码应用平台擅长表单、流程和权限,但图形和复杂的数据能力通常较弱
  • SmartChart 把「图表」和「表单」放在同一个仪表盘模型里:CRUD 可与图形拖拽组合,结果可以直接反映在图表上

与数据中台 #

  • SmartChart 本身可以作为一个数据中台的呈现层与应用层;已有中台时,用它补齐可视化、应用与 AI 交付能力
  • 没有中台时,数据管道(ETL)、数据资产、数据地图、自助分析由中台版无缝衔接

与 Dify / Coze 类智能体平台 #

  • 这类平台强在流程编排、知识库与多渠道发布,产物是「对话能力」
  • SmartChart 的智能体是数据集,产物可以是图表、单据、文档、网页;权限、数据、发布沿用平台,适合「AI 要读写企业数据」的场景

与 Vibe Coding 的区别 #

Vibe Coding 指用自然语言描述需求,让大模型直接生成可运行的应用代码,人主要看「跑起来对不对」,而不是逐行读实现。它在原型、脚手架、一次性工具上效率极高。

我们的定位不是替代它,而是接住它的下游:AI 生成源码,SmartChart 把它变成可运营的应用。

分工 #

阶段 Vibe Coding SmartChart
页面与交互草稿 AI 生成 直接接收,原样运行
细微样式调整 重新生成整页,token 随模板变长 属性面板直接改,0 token
数据接入 自己写接口与连接管理 连接池、数据集、参数、缓存
交互链路 逐次实现 联动、钻取、筛选、表单与审批
权限与登录 自建 单点、嵌入认证、用户组、行级过滤
版本与发布 自建 CI/CD 模板留版 + diff + 恢复,一键发布
运维 自己压测与监控 内存加速、懒加载、后台刷新

三维对比 #

维度 Vibe Coding SmartChart
产物 通用代码工程,框架与依赖由模型临时决定 平台内结构化对象;模板仍是标准 HTML/CSS/JS
出错定位 面对「模型当时为什么这么写」 定位到具体 SQL / option / 模板片段
变更回溯 依赖对话历史与 git,重写容易失控 模板留版 + diff + 恢复,改动可对照
性能与安全 需要自行把关 平台侧已有缓存、权限、加密发布

什么时候选哪个 #

你的需求 更合适的方式
验证想法、一次性工具或脚本 Vibe Coding
大型业务系统(普通前后端应用) Vibe Coding 或常规开发
AI 写出了页面,要在企业内部真正上线 贴进 SmartChart
长期运营的大屏、数据门户、业务表单 SmartChart
要交付客户、需要授权与只读浏览 SmartChart
要嵌入现有系统,走统一登录与权限 SmartChart

最实用的组合是:用 AI 写界面,用平台接数据和上线。AI 负责把想法变快,平台负责让它活下来。

我们怎么使用 AI #

SmartChart 里的 AI 是加速器,落点始终是可校验的产物:

  • AI 修改:在编辑器属性面板里按当前选中元素改样式与结构
  • AI 辅助开发:用自然语言生成图形、把已有大屏转化成模板
  • 网页生成智能体:按标准模板格式直接产出可粘贴的页面代码
  • AI 智能体:agent / tool / chart / api 四类数据集,让模型能力复用平台的数据与权限链路

取舍很清楚:AI 负责生成,平台负责约束。生成物必须能 diff、能回滚、能发布,否则它就不是资产。

六、怎么判断适不适合 #

你的情况 建议
有前端或数据开发,能读改 HTML/CSS/JS 直接上手,效率最高
用 AI 工具写出了页面,想在内部上线 贴进模板,接上数据集即可
只有数据开发,前端较弱 用 CRUD 与普通模板起步,再逐步放开自由开发
需要表单、审批、通知一起做 用 CRUD + OA 工作流,不必再上一个系统
需要 AI 问答、单据识别、机器人 用智能体数据集,产出仍走平台权限
纯业务人员,希望自助分析 传统 BI 或数据问答产品更合适
需要交付给客户并限制开发能力 专业版 + 只读发行版
需要数据治理、ETL、多租户 中台版

延伸阅读 #

EN