从 Gartner AI 增强型低代码新象限,看明道云 HAP 的产品演进

2026 年 9 月,Gartner 以 AI-Augmented Low-Code Application Platforms(AI 增强型低代码应用平台,AILCAP)为名发布了新的魔力象限与配套关键能力报告。

在明道云,我们一直关注一个问题:当 AI 越来越擅长生成应用,企业应用平台还需要提供什么?我们的判断是,生成能力会持续进步,而企业对共享数据、业务规则、权限和可靠运行的需求也会更加突出。平台的价值,需要贯穿从应用构建到业务执行的全过程。

这也是我们推进 HAP 产品演进的出发点。Mingo 降低应用构建和使用门槛,工作流 Agent 将理解与判断能力带入业务执行,MCP、CLI、Skills 向外部 AI 工具开放平台能力,Compute 则拓展代码应用的运行空间。这些能力共同服务于一个目标:让企业能够在清晰的数据结构与业务规则之上,持续构建、使用和维护智能应用。

Gartner 的新框架,为讨论这一变化提供了一个有价值的参照。本文结合截至 2026 年 11 月 15 日的公开资料,介绍我们对框架的理解与 HAP 的产品思考。对照分析由明道云独立完成,Gartner 内容仅引用公开摘要与目录,不代表 Gartner 对 HAP 的评分或背书;文中长期建设方向也不构成具体版本或交付时间承诺。

我们如何理解新框架

Magic Quadrant 评估供应商的执行能力与愿景;Critical Capabilities 更深入产品本身,讨论具体能力如何支撑不同使用场景。

2026 年关键能力报告列出十二项能力,并覆盖定制 Agent 开发与编排、AI 驱动的应用现代化、定制应用开发、智能体流程编排,以及安全治理与护栏五类场景。[1][2]

我们认为,这套框架反映出企业应用建设的重心正在扩展:企业既需要更快地构建应用,也需要持续维护应用,并让 AI 在明确的权限与业务边界内行动。生成效率、运行质量和治理能力,需要放在一起考虑。

对明道云而言,这意味着我们要把 AI 能力融入企业已有的数据、流程和协作体系,让一次生成的成果能够被理解、被修改,并真正进入日常业务。

从构建到运行,我们如何将 AI 融入 HAP

Mingo:让应用生成的结果可以持续维护

在 V12.3 中,我们通过 Mingo 将自然语言需求与应用搭建连接起来:用户先确认方案,再生成应用;同时,Mingo 也提供业务数据查询能力。V12.4 进一步扩展搭建范围,并支持将查询生成的图表保存到应用中。[3][4]

这背后的产品思路是,让 AI 围绕工作表、字段、关系和流程这些可视化对象开展工作。用户可以查看生成结果,理解业务结构,并在此基础上继续调整。应用生成之后,企业仍然能够掌握它的维护方式。

在 V13 中,我们进一步提出存量应用修订,以及确认、审查和撤回机制。[5] 企业应用的大量工作发生在上线以后:业务规则会变化,流程会调整,已有数据和依赖关系需要得到妥善处理。让 AI 参与这些持续变化,是我们看待应用构建能力的重要视角。

我们也清楚,确认与撤回只是变更管理的一部分。一次修改影响哪些对象、测试是否通过、已有数据是否兼容、异常后如何恢复,都是企业级应用建设需要回答的问题。我们对这项能力的衡量,也会围绕修改结果能否被检查、被验证和被持续维护展开。

工作流 Agent:让理解与判断进入业务流程

HAP 的 AI Agent 节点已经能够调用数据处理、通知、封装业务流程和集成 API 等工具,并提供工作表与查询范围控制、结构化输出、执行日志和节点 Token 费用查看。[6]

我们选择将 Agent 嵌入工作流,是为了让模型的判断能力与确定性的业务规则协同工作。以售后处理为例,Agent 可以理解客户描述、查询订单、提出处置建议,再将确定的动作交给业务流程执行。规则明确的环节可以固化为流程,需要理解与判断的环节交给 Agent,涉及较大业务后果的动作保留人工审批。

对我们来说,Agent 的价值要体现在业务任务的完成质量上。工具执行成功但响应超时后,再次调用是否会重复退款?流程等待审批期间发布了新版本,恢复时应使用哪一套配置?这些工程问题直接关系到企业能否放心扩大 Agent 的使用范围,也是我们审视可靠执行能力的重要标准。

MCP、CLI、Skills:让企业已有能力被更多 AI 工具调用

我们希望企业在 HAP 中积累的数据模型、业务流程和权限规则,能够被更广泛的 AI 工具使用。

V12.3 增加了个人访问令牌及调用审计,V12.4 扩展了应用管理接口覆盖。[3][4] MCP 提供工具连接,CLI 支持脚本化操作,Skills 帮助外部 Agent 理解 HAP 的概念与操作方法。[7]

通过这些开放能力,HAP 既支持用户在平台内构建应用,也为外部 Agent 提供访问企业数据和调用业务能力的入口。企业已经建立的业务结构,可以成为 AI 开展工作的基础。

开放能力越深入,授权边界就越需要明确。员工临时委托 AI 完成工作,与一个长期运行的岗位 Agent 自主执行任务,有不同的管理要求。个人令牌提供了开放基础;对于长期运行的 Agent,我们关注的则是机器身份、业务负责人、授权期限和撤销机制等更完整的管理设计。

Compute 与 HDP:为个性化应用保留扩展空间

企业对应用的需求,既包括可以通过可视化配置完成的常见业务,也包括定制交互、复杂计算和跨系统数据处理。

在 MPC2026 中,我们介绍了 HAP Compute 将 AI 编写的前端与服务连接到 HAP 数据和工作流的方向,以及 HDP 3.0 围绕 API 数据源、结构理解和数据处理链路的演进。[5]

我们的思路是,让企业能够保留 HAP 结构化模型的维护方式,同时通过代码扩展特殊的交互与计算需求。随着 AI 编码能力增强,这种组合能够为应用形态打开更大的空间。

扩展空间也带来了新的管理要求。应用模型、Compute 代码与 HDP 数据处理链路之间的依赖、身份、日志和费用,需要能够被理解和追踪。我们看待平台整合的标准,是企业能否持续管理这些共同参与业务运行的部分。

对照十二项关键能力,我们关注哪些建设问题

我们将 Gartner 的十二项关键能力作为审视产品的参照,梳理 HAP 已有或已公开介绍的基础,以及面向企业级运行需要持续关注的问题。下表不采用 Gartner 的评分尺度;右栏表达我们的产品思考,不表示相关能力均已上线或已进入确定的发布计划。

Gartner 关键能力 HAP 已有或已公开介绍的基础 我们关注的建设问题
用户体验设计 可视化应用、自然语言查数、AI 自定义字段;Compute 的定制界面方向 如何保持跨端一致性,并完善无障碍、交互验收与生成界面规范
开发能力 Mingo、代码块、插件、MCP/CLI/Skills 如何分析存量变更的依赖,处理多人修改冲突,并复用变更集
业务逻辑设计 规则、审批、封装流程、Agent 工具调用 如何检查规则冲突、校验结构化输出,并确保关键业务约束得到执行
平台赋能 帮助文档、技能与开发工具 如何管理企业内部组件与技能的认证、版本兼容和维护责任
应用与数据连接 API、MCP、集成工具;HDP 3.0 方向 如何管理接口契约、数据语义、连接凭据和模式变化
智能体工作流 Agent 嵌入流程、已有审批及执行控制 如何支持 Agent 内部工具调用的可靠恢复、幂等与业务补偿
应用安全 角色权限、范围控制、令牌与调用日志 如何细化逐工具授权、敏感操作校验和对不可信输入的防护
成本管理 信用点、搭建预估、节点 Token 费用 如何按任务归集模型、流程和 Compute 成本,并管理预算及限额
测试 流程试运行、示例数据、执行日志、Compute开发的预览能力 如何建立固定评测集,覆盖权限负例及模型、提示词变更后的回归测试
DevOps 应用导入升级、备份、流程版本恢复 如何关联应用、Agent、代码和数据变更的发布与验证
Agent 构建与部署 Agent 节点、对话机器人、业务工具 如何管理独立 Agent 资产、运行版本、责任人和停用机制
Agent 治理 已有访问边界与审计;企业安全底座方向 如何完善机器身份、授权继承、全链路追踪和组织级策略

其中,几项基础能力与企业日常使用密切相关。

让变更与验证相互关联。HAP 的应用导入升级已经支持配置同步、更新明细与备份,工作流也支持历史版本恢复。[8][9] 在这些基础之上,我们关注的是如何将一次 AI 修改及其测试结果、权限变化和发布记录关联起来,让企业有依据判断变更是否适合进入生产环境。

让执行记录成为改进质量的依据。日志能够帮助用户理解一次执行;固定评测集则有助于比较不同版本的表现。我们的 Agent 文档也明确提示,结构化输出依赖模型理解,需要测试与校验。[6] 对企业应用来说,模型、提示词和工具配置的变化,都需要有相应的质量验证方法。

让费用管理贴近业务任务。节点 Token 费用提供了单次执行的成本信息。站在企业管理者的角度,还需要了解一项业务任务的总成本、超支原因,以及达到限额后的处理方式。这也是我们理解成本管理能力时关注的层次。

让异常恢复尊重已经发生的业务事实。HAP 已支持从失败或中止节点重试流程。[9] 当一个 Agent 节点内部执行了多个工具动作,恢复机制还需要识别哪些动作已经完成,以及哪些操作不可逆。我们认为,可靠性设计必须深入到实际业务动作这一层。

面向企业级运行,我们如何看待后续建设

在 MPC2026 中,我们已公开提出应用诊断与开发沙箱、AI 数字员工、企业安全底座和 AI 原生交互等方向。[5] 围绕这些方向,我们认为有三层问题需要逐步解决。它们体现的是能力之间的依赖关系,具体实现与节奏仍需结合研发和客户验证确定。

首先,让每次修改和执行都可以检查

企业要将更多工作交给 AI,首先需要看清 AI 做了什么、影响了什么。

我们关注的建设方向,包括将 Mingo 修改、模型请求、工具调用、工作流与 Compute 请求关联起来,以及为应用变更呈现结构差异、影响范围和风险。同时,业务评测需要覆盖正常任务、权限不足、错误参数、超时和结构化输出异常,并从高频场景逐步扩展。

以售后应用为例,我们希望达到的体验是:用户让 AI 修改退款规则后,能够看到受影响的流程,检查预设用例的运行结果,并在发布前发现权限或数据兼容问题。这样的可检查性,是企业信任 AI 修改结果的基础。

其次,让 Agent 在明确边界内可靠执行

长期运行的 Agent,需要有清晰的身份、负责人和授权范围。敏感工具应在执行前完成权限与业务条件校验,重要动作应能够进入审批。

从运行机制看,工具级幂等、执行检查点、超时恢复和补偿能力,需要与模型、提示词、工具配置及流程版本的追溯配合起来。成本管理也需要覆盖任务预算、调用步数、运行时长与 Compute 资源限额,并明确超限后的暂停和人工接管方式。

我们衡量这类能力的业务标准是:跨系统售后任务遇到超时后能够正确恢复,已完成的退款不会重复执行;管理员能够暂停 Agent、撤销授权,并查看已经发生的动作。

在此基础上,让能力可以复用,让价值可以衡量

当修改可检查、执行可控,岗位 Agent、行业模板、企业技能目录和跨应用协作才有更扎实的规模化基础。可复用资产也需要有责任人、兼容要求和评测记录,才能被持续使用。

对于应用现代化,我们同样重视业务迁移的实际结果:理解旧系统的数据与接口,选择边界清晰的业务环节,验证之后再扩大范围。新界面只是其中的一部分,数据与业务规则的延续同样重要。

以售后方案为例,我们关注它能否在不同组织中部署并保持权限隔离,也关注人工接管率、端到端完成率、处理时长和每个成功任务的成本。这些指标需要结合试点基线确定,帮助企业判断 AI 究竟改善了哪些工作。

我们希望 HAP 承载怎样的智能业务

从 Mingo 到工作流 Agent,从 MCP、CLI、Skills 到 Compute,我们正在围绕应用构建、智能执行、开放连接和代码扩展推进 HAP 的演进。贯穿这些工作的,是企业对共享数据、业务规则和持续维护能力的长期需求。

我们衡量产品进步的标准,也会落到真实业务中:一次 AI 修改能否安全上线,一个 Agent 能否在故障后正确恢复,一项任务的结果、责任与费用能否被解释清楚。

我们希望通过 HAP,让企业更容易地开始使用 AI,也有能力持续管理 AI 带来的变化。当应用可以不断演进,执行有明确边界,结果能够被验证,企业就有更充分的基础,将连续而重要的工作交给 AI。


参考资料

  1. Gartner:Critical Capabilities for AI-Augmented Low-Code Application Platforms,2026-09-28
  2. Gartner:Magic Quadrant for AI-Augmented Low-Code Application Platforms,2026-09-28
  3. HAP V12.3 发布公告
  4. HAP V12.4 发布公告;版本更新日志
  5. MPC2026 明道云伙伴大会回顾
  6. AI Agent 节点
  7. 连接 AI:MCP、CLI、Skills;HAP 的 AI 能力一览
  8. 应用导入升级
  9. 工作流历史版本和执行详情

关于HAP

HAP(Hyper Application Platform)超级应用平台可以帮助用户零代码构建企业应用,用户不需要代码开发就能够搭建出用户体验上佳的销售、运营、人事、采购等核心业务应用,打通企业内部数据。HAP还具备超自动化引擎,可以全面自动化复杂和重复的业务流程。运用HAP的集成中心与完整的API对接能力,用户可以轻松地将HAP与外部系统集成。除此之外,HAP还具备很高的可组合性,国际化支持,并支持云原生架构,实现了多云部署能力。通过插件架构,HAP正在逐步建立起繁荣的实施与开发生态。

HAP可以帮助企业大大节省软件费用、降低定制开发的成本和时间,拥有一个极度灵活和易用的数字化平台,是企业数字化建设的重要工具。目前已有上百万用户使用,付费企业超过4000家,包括可口可乐、复星集团、广汽本田、赛力斯汽车、中国移动、中石化、中铁集团、银鹭食品、民生银行、迪卡侬、艾默生电气、泰科电子、四川航空、东方证券、洲际酒店、科大讯飞、柳工集团、沃尔玛、中国烟草、三菱银行等知名客户。

2021年5月,明道云获得海纳亚洲近亿元投资。公司目前有超过130名员工,产品研发团队过半,总部位于上海漕河泾开发区,在北京、广州、深圳、成都、郑州、武汉、西安和宁波设有分支机构。公司为高新技术企业,上海市专新特精认定企业。