用 n8n 做了半年自动化，我才发现企业要的根本不是“工作流”

用 n8n 做了半年自动化，我才发现企业要的根本不是“工作流” 用 n8n 做了半年自动化，我才发现企业要的根本不是“工作流” Modified November 25, 2025 No access AI阅卷 00:00 再看看下图： 你的AI助理运转的过程中，可以通过事件与前端界面、后端系统交互，还可以自定义你在对话框中输出的内容和呈现的UI，真的非常强大，这才是千行百业各种各样的场景的AI应用开发所需要的，而不是千篇一律的黑盒。 再看看下图，你还可以自定义对话框上的各种操作按钮。 再看看下图： 通过这些配置式开发，一个个真正的生产级AI助理，就活了。 很感慨，到目前为止，我还没有真正去碰代码，就能实现这么多强大的的能力。 我觉得 JitAI 在用产品回答一个问题： 为什么以前 AI 在企业中用不起来？ 企业里的AI，要能用企业的数据、企业系统的工具、企业自己的知识库，而且，AI有幻觉， 而且还没那么AGI，得要和人类协作接力，AI 一定要与前端 UI 配合交互。而不仅仅是一个 LLM 大模型函数调用就完事（这个也是 JitAI 支持的最牛的地方）。要做到这些，一个AI应用的开发工作量太大了，大多数程序员也不会，而 JitAI，竟然就。。。。可视化配置就能开发这么牛的东西。 六、权限管理:细粒度可视化配置 AI 能力展示完了，但企业应用还缺最后一块拼图：权限。 这也是最容易被忽略，但又最重要的环节。 不同角色要看到不同的界面和数据: • 管理员：全部权限 • 老师：出题、阅卷、查看数据 • 学员：答题、查看成绩 传统开发中，权限控制很繁琐: • 后端每个接口都要判断角色 • 前端每个按钮都要控制显示 • 权限规则散落在各处 改一个需求，要改好几个文件，还容易漏。 在 JitAI 里，权限管理完全是另一种体验。 JitAI 内置了完整的权限体系。 🔴 系统自动创建 3 个基本角色: • 匿名用户 • 开发者 • 管理员 我们可以根据业务需求，新增对应的角色，每个角色对应不同的门户。 甚至可以进一步，点击右侧的配置，可以独立配置菜单和权限，可以精准控制每个按钮、每个字段、读写权限等等。 六、JitAI 还能做什么? 看完核心能力展示，你可能会想：除了智能题库系统，还能做什么? 答案是：任何需要 AI 能力的企业级应用。 我看了JitAI的目前已经内置提供的所有“元素”，我个人理解，这个玩意支撑起了JitAI这个平台的灵魂。 门户、页面、数据表模型、AI助理、AI Agent、AI 大模型、AI 知识库、用户组织、权限、数据库、文件存储。。。。。。如下图，包含了一个企业级应用包含的所有要素。 开发者可以基于这些元素，可视化的搭建组合自己的应用功能。以前的低代码零代码都会用“搭乐高”这个概念，在JitAI上，我才真正的看到了这个概念的真正落地。 JitAI的开发过程，是和“搭乐高积木”最像最逼真的过程： 创建一个个的元素，在A元素中配置上B元素，在B元素上配置上C元素。。。。一个个系统功能就出来了。这种基于所谓各种各样的“元素”的组合和编排的过程，是最直观、最灵活的。 而且，更让我惊讶的是，这些元素的背后就是代码： 你打开一个页面元素，就是原生的 TypeScript 代码，你可以直接改写代码，与可视化编排也不冲突。 你打开一个数据表模型或者服务函数，就是后端 Python 代码，直接改写，一点也不违和。 No access AI阅卷 00:00 No access AI阅卷 00:00 再看看下图： 你的AI助理运转的过程中，可以通过事件与前端界面、后端系统交互，还可以自定义你在对话框中输出的内容和呈现的UI，真的非常强大，这才是千行百业各种各样的场景的AI应用开发所需要的，而不是千篇一律的黑盒。 再看看下图，你还可以自定义对话框上的各种操作按钮。 再看看下图： 通过这些配置式开发，一个个真正的生产级AI助理，就活了。 很感慨，到目前为止，我还没有真正去碰代码，就能实现这么多强大的的能力。 我觉得 JitAI 在用产品回答一个问题： 为什么以前 AI 在企业中用不起来？ 企业里的AI，要能用企业的数据、企业系统的工具、企业自己的知识库，而且，AI有幻觉， 而且还没那么AGI，得要和人类协作接力，AI 一定要与前端 UI 配合交互。而不仅仅是一个 LLM 大模型函数调用就完事（这个也是 JitAI 支持的最牛的地方）。要做到这些，一个AI应用的开发工作量太大了，大多数程序员也不会，而 JitAI，竟然就。。。。可视化配置就能开发这么牛的东西。 六、权限管理:细粒度可视化配置 AI 能力展示完了，但企业应用还缺最后一块拼图：权限。 这也是最容易被忽略，但又最重要的环节。 不同角色要看到不同的界面和数据: • 管理员：全部权限 • 老师：出题、阅卷、查看数据 • 学员：答题、查看成绩 传统开发中，权限控制很繁琐: • 后端每个接口都要判断角色 • 前端每个按钮都要控制显示 • 权限规则散落在各处 改一个需求，要改好几个文件，还容易漏。 在 JitAI 里，权限管理完全是另一种体验。 JitAI 内置了完整的权限体系。 🔴 系统自动创建 3 个基本角色: • 匿名用户 • 开发者 • 管理员 🔴 系统自动创建 3 个基本角色: • 匿名用户 • 开发者 • 管理员 🔴 系统自动创建 3 个基本角色: • 匿名用户 • 开发者 • 管理员 系统自动创建 3 个基本角色: • 匿名用户 • 开发者 • 管理员 我们可以根据业务需求，新增对应的角色，每个角色对应不同的门户。 甚至可以进一步，点击右侧的配置，可以独立配置菜单和权限，可以精准控制每个按钮、每个字段、读写权限等等。 六、JitAI 还能做什么? 看完核心能力展示，你可能会想：除了智能题库系统，还能做什么? 答案是：任何需要 AI 能力的企业级应用。 我看了JitAI的目前已经内置提供的所有“元素”，我个人理解，这个玩意支撑起了JitAI这个平台的灵魂。 门户、页面、数据表模型、AI助理、AI Agent、AI 大模型、AI 知识库、用户组织、权限、数据库、文件存储。。。。。。如下图，包含了一个企业级应用包含的所有要素。 开发者可以基于这些元素，可视化的搭建组合自己的应用功能。以前的低代码零代码都会用“搭乐高”这个概念，在JitAI上，我才真正的看到了这个概念的真正落地。 JitAI的开发过程，是和“搭乐高积木”最像最逼真的过程： 创建一个个的元素，在A元素中配置上B元素，在B元素上配置上C元素。。。。一个个系统功能就出来了。这种基于所谓各种各样的“元素”的组合和编排的过程，是最直观、最灵活的。 而且，更让我惊讶的是，这些元素的背后就是代码： 你打开一个页面元素，就是原生的 TypeScript 代码，你可以直接改写代码，与可视化编排也不冲突。 你打开一个数据表模型或者服务函数，就是后端 Python 代码，直接改写，一点也不违和。 如果说以前的低代码，最大的诟病就是“边界、局限、天花板、黑盒”，那么JitAI，我从它的原理上和产品功能上，我就看到了简单、自由、没有边界、没有天花板。 惊讶之余，我上JitAI的官网，看了一些他们的技术blog。 有一种感觉：中国团队，终于有在开发工具、开发框架这些底层的软件工程的基础设施的技术的原创了，而且是走到世界的前列，而且是领先的原创。 下面看看我尝试着玩的一些小应用： AI 智能客服系统 场景: 企业有大量产品文档、FAQ、售后记录，想做一个智能客服。 No access AI智能客服 00:00 No access AI智能客服 00:00 AI 儿童绘本生成器 这个更有意思。 想象一下：只需输入一段故事文本，系统就能自动生成配套的精美绘本插图。 这些看起来不同的应用，背后是同样的能力。 不再是“为每个应用写一套代码”，而是“用同一套平台配置出不同应用”。 这才是 AI 原生应用开发平台的价值。 写在最后 从自动化工作流 到 JitAI，我最大的感受是：开发方式真的变了。 🔴 以前做企业应用: • 组团队、写代码、调 Bug • 一个小功能改半天 • 私有化部署头疼 💡 现在用 JitAI: • 可视化拖拽，配置为主 • AI 深度集成，开箱即用 • 完全私有化，数据安全 🔴 以前做企业应用: • 组团队、写代码、调 Bug • 一个小功能改半天 • 私有化部署头疼 🔴 以前做企业应用: • 组团队、写代码、调 Bug • 一个小功能改半天 • 私有化部署头疼 以前做企业应用: • 组团队、写代码、调 Bug • 一个小功能改半天 • 私有化部署头疼 💡 现在用 JitAI: • 可视化拖拽，配置为主 • AI 深度集成，开箱即用 • 完全私有化，数据安全 💡 现在用 JitAI: • 可视化拖拽，配置为主 • AI 深度集成，开箱即用 • 完全私有化，数据安全 现在用 JitAI: • 可视化拖拽，配置为主 • AI 深度集成，开箱即用 • 完全私有化，数据安全 最重要的是：开发效率提升了 10 倍以上。 这才是我理想中的“AI 原生应用开发平台”。 如果你也在做企业 AI 应用，需要私有化部署，想快速交付！ 不妨试试 JitAI。 JitAI 如果使用过程中有问题，欢迎留言交流 👇 我是林月半子，关注我，带你一起挖掘工作流自动化的无限可能。 🔗 原文链接：https://mp.weixin.qq.com/s/1ib783UhZgmYuAVNS4zpgg ⏰ 发布时间：2025 11 25 09:30:00 (UTC+8) 作者：林月半子的AI笔记 用 n8n 做了半年多企业自动化，我越来越清楚它的边界在哪里: n8n 很擅长做“幕后”的工作： API 编排、数据处理、流程自动化，但它很难做出一个完整的应用系统。 我之前分享过用 n8n 的 webhook 包装成页面，理论上可以做一些界面开发，但也只能做单页应用。一旦涉及完整的前端界面、多角色权限、数据管理这些企业级需求，处理起来就非常麻烦了。 webhook 包装成页面 最近跟几个做企业自动化项目的朋友聊天，发现一个普遍的头疼问题: 很多企业，特别是金融、医疗、政务这些对数据敏感的行业，他们想上 AI 应用，但有个硬性要求——从大模型到知识库，从工作流到应用界面，所有东西必须部署在自己的内网服务器上，物理隔绝。 遇到这种需求怎么办? • 自己开发? 得组建开发团队，但周期长、门槛高、成本高，中小企业玩不起 • 找外包? 定制开发动辄几十万，后期改个需求还得继续花钱 • 拼凑工具？只能做自动化流程，做不了完整应用 怎么选都不理想。 直到最近，我发现了一个叫 JitAI 的项目，才知道原来还可以这样玩... JitAI 先看看我用 JitAI 一个下午搭建出来的「AI 智能题库系统」 看起来是不是跟传统企业系统没什么区别？ 但你可能想不到——我做这个系统，大部分时间都是在拖拽、配置、编排，写代码的部分很少。 这就是 JitAI 最让我惊喜的地方：AI 原生应用开发平台。 什么是 AI 原生？ 不是传统开发平台“加了个 AI 功能”，而是从底层就为 AI 应用设计: • AI 能力是原生集成，不是外挂 • 开发方式以可视化编排为主 • 从大模型、Agent、知识库到应用界面，全链路打通 而且，JitAI 不是传统的零代码平台——它不牺牲灵活性。 • 简单功能：可视化编排，10 倍速 • 复杂功能：随时切换代码模式 • 完成后：可以导出完整代码 这意味着：开发能力没有上限，不会被平台限制。 举个最典型的例子：数据模型开发 🔴 传统开发要做的: 1. 写 SQL 创建表 2. 写 ORM 实体类 3. 写增删改查接口 4. 写前端调用代码 ⏱️ 耗时: 约 2 小时 💡 在 JitAI 里: 1. 在界面上可视化设计数据模型，配置字段 2. 系统自动生成表、接口、前端调用...全套 ⏱️ 耗时: 约 10 分钟 🔴 传统开发要做的: 1. 写 SQL 创建表 2. 写 ORM 实体类 3. 写增删改查接口 4. 写前端调用代码 ⏱️ 耗时: 约 2 小时 🔴 传统开发要做的: 1. 写 SQL 创建表 2. 写 ORM 实体类 3. 写增删改查接口 4. 写前端调用代码 ⏱️ 耗时: 约 2 小时 传统开发要做的: 1. 写 SQL 创建表 2. 写 ORM 实体类 3. 写增删改查接口 4. 写前端调用代码 ⏱️ 耗时: 约 2 小时 💡 在 JitAI 里: 1. 在界面上可视化设计数据模型，配置字段 2. 系统自动生成表、接口、前端调用...全套 ⏱️ 耗时: 约 10 分钟 💡 在 JitAI 里: 1. 在界面上可视化设计数据模型，配置字段 2. 系统自动生成表、接口、前端调用...全套 ⏱️ 耗时: 约 10 分钟 在 JitAI 里: 1. 在界面上可视化设计数据模型，配置字段 2. 系统自动生成表、接口、前端调用...全套 ⏱️ 耗时: 约 10 分钟 页面和权限控制也是一样的逻辑: • 页面：拖拽组件，配置数据源 • 权限：配置角色和规则，不用写判断代码 • AI 能力：可视化编排 AI 节点，配置提示词 这是一个完整的企业应用系统，不是工作流片段。 👉 它具备: • ✅ 完整的用户界面(不是 webhook 的临时页面) • ✅ 细粒度的权限控制(管理员、老师、学员各有不同界面和权限) • ✅ 数据持久化管理(不是流程中转站) • ✅ AI 能力深度集成(不是简单调 API，而是融入业务流程) 它具备: • ✅ 完整的用户界面(不是 webhook 的临时页面) • ✅ 细粒度的权限控制(管理员、老师、学员各有不同界面和权限) • ✅ 数据持久化管理(不是流程中转站) • ✅ AI 能力深度集成(不是简单调 API，而是融入业务流程) 更重要的是: 从大模型到数据库，从前端到后端，所有东西都可以部署在企业内网，数据完全不出门。 这才是我想要的 AI 应用开发方式。 而且它不是黑盒: • 每个模块都可以切到代码模式 • 做完后可以导出完整代码 • 开发能力没有上限 看到这里，你可能会想：这么好用，开发部署会不会很复杂? 完全不会。接下来我带你看几个关键环节。 一、部署 JitAI 官方提供了 2 个版本，一种是桌面版（支持Windows、Mac），还有一种是服务器版（提供了 Docker 镜像）。 看到这里，我第一反应是: 桌面版看起来简单，但企业应用最终要部署到服务器的，本地开发完怎么部署到企业内网? 这实际上是很多企业的真实担心: • 开发环境和生产环境不一致 • 数据迁移容易出问题 • 配置要重新调整 但 JitAI 给了个我意外的答案: 桌面版开发完，点击"发布"，选择发布范围。 之后，发布范围内的所有 JitAI 节点都可以一键部署。 应用、配置，统一推送，自动生效。 这才是我想要的 DevOps 体验。 那我们先选哪个版本？果断桌面版。 理由很简单: • 在自己电脑上开发，方便调试 • 不需要先搭服务器环境 先把应用做出来。 下载 → 安装 → 打开，全程没有卡顿。 打开 JitAI 的第一感觉：简洁。 点击“新建应用”，填两个信息: • 应用名称：AI 智能题库系统 • ID：AIQuestionBank 点击确认，进入开发界面。然后我们点击“开发”按钮，就能进入对应应用的开发界面了。 💡 默认账号：admin123，默认密码：admin123。 默认账号：admin123，默认密码：admin123。 登录后，就进入了开发者界面。 没有折腾环境，没有配置数据库，没有装一堆依赖... 🎯 对比一下传统开发: • 装开发环境(Node.js/Python/Java...) • 装数据库(MySQL/PostgreSQL...) • 配置连接 • 初始化项目 • 装依赖包 • 启动服务还可能报错... 至少半天起步。 JitAI 把这些全都内置了，开箱即用。这才是"一体化开发平台"该有的样子。 对比一下传统开发: • 装开发环境(Node.js/Python/Java...) • 装数据库(MySQL/PostgreSQL...) • 配置连接 • 初始化项目 • 装依赖包 • 启动服务还可能报错... 至少半天起步。 JitAI 把这些全都内置了，开箱即用。这才是"一体化开发平台"该有的样子。 二、AI 配置:本地大模型跑起来 部署好了，下一步要做什么? 我第一反应是：先让 AI 跑起来。 毕竟这是个 AI 应用，没有大模型，后面的功能都是空谈。 JitAI 支持几乎所有主流大模型: • OpenAI • Anthropic • Gemini • 国内大厂(阿里云百炼、Deepseek、硅基流动) • OpenAI兼容(用于接入 Ollama 等私有化模型) 我选择的是“OpenAI兼容”，用来接 Ollama。 为什么选 Ollama? 还记得开头说的企业痛点吗——数据不能出内网。 用云端 API 的大模型? 每次调用，数据都要传到外部服务器，企业的信息安全部门第一个不同意。 Ollama 完美解决这个问题: • ✅ 大模型跑在自己服务器上 • ✅ 数据完全不出内网 • ✅ 免费，没有 API 调用成本 这才是真正的"私有化 AI"。 怎么配置？ JitAI 对私有化模型的支持很友好。 它用的是 OpenAI 兼容接口，意味着只要你的模型支持 OpenAI API 格式，就能无缝接入。 以 Ollama为 例： 点击"AI大模型" → "+" → 选择"OpenAI兼容" 默认地址为http://127.0.0.1:11434/v1，若有 API Key 则填入。 这才是企业真正需要的 AI 解决方案: 从大模型到应用，从数据到推理，全部在内网，信息安全部门终于可以放心了。 三、AI 调用:像调函数一样简单 AI 配好了，接下来最关键的问题：怎么用? 🔴 在传统开发里，调用 AI 是这样的: 1. 写 API 调用代码 2. 处理请求参数 3. 解析返回结果 4. 错误处理和重试 5. 前后端数据传递... 💡 在 JitAI 里? 就像调一个普通函数一样简单。 🔴 在传统开发里，调用 AI 是这样的: 1. 写 API 调用代码 2. 处理请求参数 3. 解析返回结果 4. 错误处理和重试 5. 前后端数据传递... 🔴 在传统开发里，调用 AI 是这样的: 1. 写 API 调用代码 2. 处理请求参数 3. 解析返回结果 4. 错误处理和重试 5. 前后端数据传递... 在传统开发里，调用 AI 是这样的: 1. 写 API 调用代码 2. 处理请求参数 3. 解析返回结果 4. 错误处理和重试 5. 前后端数据传递... 💡 在 JitAI 里? 就像调一个普通函数一样简单。 💡 在 JitAI 里? 就像调一个普通函数一样简单。 在 JitAI 里? 就像调一个普通函数一样简单。 我做了个“AI 生成答案”的功能，咱们先看看效果 No access AI生成答案 00:00 No access AI生成答案 00:00 看起来很简单对吧？但这背后，AI 已经: • 理解了题目内容 • 调用了本地 Ollama 模型 • 生成了结构化的标准答案 • 返回给前端展示 让我们看下实现过程 添加按钮 加一个中部按钮，改个名字：“生成答案” 绑定 AI 事件 我们点击表单事件，给这个按钮添加一个点击事件，以及在事件函数中，配置一个语句： 然后点击大模型配置，给大模型设置提示词即可。 做过 AI 应用的开发者就知道，在代码里调用一个 LLM API函数很简单，但是从前端拿到数据，传给后端，后端在调用LLM API，然后提示词里要嵌入输入参数，要在提示词里写好输出的数据格式，还要用相应的一段代码来解析LLM 输出的数据，这个过程其实非常麻烦，做过 AI 开发的人肯定深有体会。 而 JitAI，就是上图看到的界面上配置一下【提示词、输入数据、输出格式】就完事了，就实现了拿取前端页面上的数据、输出的数据直接封装成变量供使用，太极致简单了。 在那个语句里的大模型函数调用后，把 AI 大模型函数返回的答案，绑定到前端表单里的“标准答案”字段，完成！ 试完了简单的 AI 调用，接下来看更强大的: AI Agent。 四、AI Agent:让 AI 自动工作 刚才我们是"手动触发 AI"——点按钮，AI 生成答案。 这对简单场景够用了，但如果想让 AI 自动完成复杂任务呢? 💡 比如：AI 自动阅卷 这个场景 AI 需要: 1. 读取学员答案 2. 读取标准答案 3. 分析对比 4. 生成评分和评语 5. 写回数据库 比如：AI 自动阅卷 这个场景 AI 需要: 1. 读取学员答案 2. 读取标准答案 3. 分析对比 4. 生成评分和评语 5. 写回数据库 这就需要 AI Agent 了，看看我做的“阅卷助理”，等会展开讲背后的agent。 整个过程，前端页面通过配置事件，与 AI助理 交互，实现 AI/UI 协同完成任务。 这里涉及到 JitAI 的【AI助理】元素和【AI agent】元素。 我们先看 JitAI 的 Agent，这是我见过最简单最强大最灵活的 Agent 的配置了。 在 JitAI 里，一个 Agent 完全可以看成是一个传统开发函数：有输入、输出，以及这个“函数”内部的“核心逻辑”（提示词）、以及它调用的其他模块（工具、知识库）。 Agent 的大模型配置 最基本的，是配置 Agent 要用到的大模型，别小看这一步，不同的模型擅长的领域差别还是很大的，还好JitAI 做好了封装，我们可以灵活任意选择模型。 Agent 的提示词与参数 关于JitAI Agent 的提示词、输入、输出。和前面的的可直接调用的大模型函数一样，可以在提示词内容中配置要嵌入输入参数，非常方便。 这个界面上的提示词编写技巧也很贴心，写提示词真的需要经验，不然你会碰到很多意想不到的坑。 Agent 是要被外部函数或 AI助理调用的，它们会传入参数、以及输出数据。 这就是 Agent 的输入参数了，配置起来很简单，几个鼠标点击就搞定。 输出参数也一样的道理，只要配置一下，系统提示词中就直接帮你生成了，而且后续调用的时候，自动给你封装为变量，直接使用。 Agent 的工具 这是重头戏，大模型和提示词决定了 Agent 的智力水平，那么工具就决定 Agent 能做事的能力，没有工具，大模型就只会说说说说说说。。。。 而工具的集成和使用，也是 JitAI 给我的一个很大的 surprise，非常的惊讶： 除了支持MCP、自定义的服务函数、外部 API 外，JitAI 的 Agent 还可以在 Agent 的工具中配置“前端页面”。 什么意思呢？就是 Agent 可以操控前端 UI 页面上的工具函数，这是全球范围内的智能体开发工具都没有涉及到的，而JitAI这里你只要做一个配置就支持了。 这意味着什么？这意味着，Agent 不再是只能感知和操控你后端的服务器侧的东西，它直接帮你操控前台的表现，从页面上读取数据、写入数据、变换页面上的元素、根据需要智能的给用户动态变换的UI交互。 大家能想象这个特性的应用空间吗？自己去想吧。。。。太牛逼了。 最后，还有一个，可以在工具里直接选择数据库表模型，Agent 直接调用模型的函数操作数据库表，关键是，你只需要选择一下数据库表的操作函数，完全不需要你去写各种 SQL，用什么 text2SQL 这些技术，看到了吗？你只要鼠标点击，选择一下，就完事了。AI 可以在你的允许（可以配置工具函数的权限）智能的操控数据库表的增删改查。 Agent 的知识库 知识库是 Agent 搜索和参考知识的地方，有这个东西，你就不用什么事情都在提示词中去说了。JitAI的知识库我后面还要写一个专题来介绍，真的很强大，很准！！！ 五、AI 应用的大神器：JitAI的AI助理 本来想弄一篇专门的文章来介绍 JitAI 的 AI助理这个元素的，忍不住，还是先写一些吧。 JitAI 的AI助理，对应了那个我们熟悉的可以直接和用户交互的那个“对话框”，但是她又不仅仅于此。 你可以在 JitAI 开发的页面上点击开启，就直接把一个AI助理嵌入到页面里了，看下图： 我看了JitAI的开发指南，AI 助理还可以几行代码就嵌入到你已有系统的页面里，也可以配置一行的代码就在你的前端页面或者后端函数里调用。 当然，就仅限于此，那就还不算没什么大的惊喜的，接着看： 可视化编排式的配置一个AI助理，在这里你可以配置按语义来进行路由决策的节点，可以配置前面介绍的 Agent 节点、条件分支/循环节点、配置人机交互的节点，也就是说，你可以让你的AI助理，按你的编排逻辑，具备决策能力、调用 Agent 的能力、与前端界面交互和控制的能力，这一切，都是通过拖拉拽可视化编排来实现的。