面对AI编程工具Token消耗大、生成代码需大量修改的痛点，一种融合低代码系统与大模型的新思路应运而生。通过低代码生成确定性基础，再利用AI处理复杂逻辑，并主动构建上下文，这种方式显著降低了开发成本与不确定性，为开发者提供了一条兼顾效率与经济性的实用路径。
智能速览
低代码系统承担了一半以上的编码工作，提供确定性结果
核心思路是融合低代码和AI，而非二选一的对立关系
低代码在生成标准接口时，同步构建了AI所需的上下文工程
主动式上下文工程能将单次功能实现的Token消耗控制在万级
该混合方式能将复杂项目的Token成本控制在两三百万以内
精华内容
这种开发模式的核心并非否定任何一方，而是找到低代码的确定性与AI的灵活性之间的最佳结合点，通过巧妙分工，实现1+1>2的效果。
AI编程的困境
当前主流的AI编程工具如Cursor或Claude Code，在实际开发中面临两大挑战。首先是高昂的Token消耗成本，尤其是在处理大型项目时，每次修改都可能产生数万甚至更多的Token，让个人开发者难以承受。其次是生成代码的不确定性，AI提供的代码往往有近一半需要手动修改，反而降低了整体效率，项目复杂度越高，这个问题越突出。
低代码+AI融合
解决方案并非放弃AI或低代码，而是将二者融合。自定义的低代码系统在过去一年中承担了超过一半的代码生成工作，其优势在于输出结果的确定性，无需二次审查。AI则负责处理更复杂、非标准的业务逻辑。这种分工形成了一种相辅相成的关系，低代码提供稳固的地基，AI在此基础上构建个性化的上层建筑。
主动式上下文工程
工作流程的关键在于“主动式上下文工程”。第一步，利用大模型设计数据库结构和模块字段，然后由低代码系统秒速生成增删改查等标准接口和文档。这个过程不仅产出了大量基础代码，更重要的是为AI后续工作构建了精确的上下文信息。第二步，将这些上下文（数据库结构、模块文件）主动提供给大模型，让其生成特定的业务逻辑。由于上下文明确，AI无需扫描整个项目，Token消耗和出错率大幅降低。
成本与效率双优
这种方式的收益非常直观。通过主动提供上下文，一个复杂功能的实现仅需消耗约11000个Token，耗时仅1分钟左右，远低于盲目扫描项目的方式。在成本控制上，一个简单项目通常百万Token以内即可搞定，即便是稍复杂的项目，两三百万Token也足以覆盖。开发者只需为国产模型的Token付费，无需订阅昂贵的编程工具，实现了成本与效率的双重优化。
这种定制化的Vibe Coding方式，为开发者在AI时代提供了一套极具参考价值的高效低成本方案。它证明了通过合理的工程思路，完全可以将现有工具的价值最大化。随着技术演进，未来是否会有更多类似的混合开发模式出现，值得期待。
关键评论
很有前途的思路，作为软件开发者也认可这种方向。
这与模块化、函数工具的想法相似，都是封装成黑盒以实现稳定和节省成本。
可以将低代码的能力进一步集成到Skill中，提升复用性。
