“帮我做一个618大促的营销智能体，能自动识别高潜用户、生成个性化文案、并通过企微触达。”——当产品经理在对话框中敲下这样一段需求，几分钟后，一个完整可用的智能体便在测试环境中运转了起来。这不是科幻电影，而是蚂蚁百宝箱智能体开发平台最新上线的AI构建能力所展现的真实场景。
2026年5月，蚂蚁百宝箱正式推出基于自然语言编程（NL2Action）的全新智能体构建能力。企业用户无需编写一行传统代码，仅通过自然语言描述业务意图，即可快速生成具备复杂推理与执行能力的智能体，并将其无缝嵌入营销、客服、风控等实际业务流中。这标志着企业级智能服务的开发，正式从“专业程序员主导”迈入“人人可构建、高可用可交付”的AI Coding新时代。
一、从低代码到无代码，再到“自然语言即代码”
过去十年，企业应用开发经历了从纯代码到低代码平台，再到无代码工具的演进。然而，这些工具始终未能完全摆脱“拖拽组件+配置逻辑”的图形化编程范式。即便降低了门槛，用户仍然需要理解数据模型、事件流、条件分支等技术概念。
自然语言编程（NL2Action）的出现，彻底打破了这一僵局。它不再要求用户学习任何中间表达形式，而是直接将人类的业务语言映射为机器的可执行指令。蚂蚁百宝箱所实现的NL2Action，并非简单的关键词匹配或脚本生成，而是基于大语言模型对业务语义的深度理解，动态生成结构化的“动作序列”——即智能体运行时的执行图。
举个例子，当用户输入“新用户注册后，如果首单金额超过100元，则发送20元优惠券，并在三天后提醒使用”，蚂蚁百宝箱的后台模型会自动拆解出：触发条件（新用户注册事件）、判断逻辑（首单金额>100）、动作序列（发送优惠券+延迟任务调度）、异常处理（发送失败重试）等一系列原子动作，并生成可观测、可回滚的执行计划。
二、技术核心：NL2Action + Agent Orchestration 的双引擎驱动
蚂蚁百宝箱的AI构建能力，底层由两大核心技术支柱构成。
2.1 NL2Action：让大模型理解“怎么做”
NL2Action的本质是“意图到行动”的端到端翻译。传统做法是将自然语言转化为结构化查询（如SQL）或API调用，但面对多步骤、有状态的业务逻辑时显得力不从心。蚂蚁百宝箱采用了一种创新的“思维链-行动映射”架构：
- 语义解析层：将用户的自然语言输入，通过大模型解析为带有依赖关系的原子任务图。例如，“先查询用户画像，再根据画像决定推送内容”——模型会识别出先后顺序和数据依赖。
- 动作编排层：将原子任务图转化为可执行的动作序列，每个动作对应一个预定义的“技能”（Skill）。技能可以是API调用、数据库操作、消息推送、条件判断等。这一步的关键在于，模型必须理解每个技能的输入输出契约，并自动完成数据类型转换。
- 代码生成与执行：最终生成轻量级中间表示（IR），由运行时引擎解释执行。与传统代码生成不同，这种方式支持动态调整——如果某一步执行失败，智能体可以自动尝试替代路径（如换用备选API）。
2.2 Agent Orchestration：让多个智能体协作如同交响乐团
单个智能体能完成的任务终究有限。在企业真实场景中，一个营销活动往往需要多个智能体协作：用户画像智能体、内容生成智能体、渠道分发智能体、效果分析智能体……蚂蚁百宝箱内置的智能体编排引擎，支持以可视化和声明式两种方式定义多个智能体之间的协作关系。
编排引擎的核心能力包括：
- 任务分解与路由：将复杂目标自动拆解为子任务，并分配给最合适的专业智能体。例如，“策划并执行一次用户召回活动”会被拆解为：筛选流失用户 → 生成召回文案 → 选择触达渠道 → 发送 → 统计转化率。
- 状态共享与通信：智能体之间通过共享内存或消息队列交换中间结果，编排引擎保证数据的一致性和可见性。
- 冲突解决与优先级：当多个智能体试图操作同一资源（如修改同一个数据库字段）时，引擎根据预设规则仲裁。
这种设计使得企业无需为每一个细粒度场景定制智能体，而是可以像搭积木一样，通过“组合”已有的原子智能体来应对复杂业务。
三、从“可用”到“可交付”：企业级特性决定成败
自然语言构建智能体听起来很美好，但企业客户真正关心的并非“能不能做出来”，而是“能不能稳定、安全、合规地跑在生产环境”。蚂蚁百宝箱在这一维度上做了大量工程化投入。
3.1 高可用架构与弹性伸缩
生成的智能体默认运行在蚂蚁百宝箱的Serverless容器平台上，支持从0到万级QPS的自动弹性伸缩。每个智能体实例都是无状态的，状态数据持久化到分布式存储中，即使实例崩溃也能快速恢复。平台承诺99.99%的SLA，满足金融级业务的可用性要求。
3.2 企业级可观测性
自然语言生成的代码往往被认为是“黑盒”，但蚂蚁百宝箱为每个智能体自动生成全链路可观测数据：
- 执行轨迹：记录每一轮NL2Action生成的原子动作序列，以及实际执行时的分支选择
- 性能指标：各步骤耗时、输入输出数据大小、错误率
- 语义审计：将模型内部的推理链（Chain-of-Thought）以自然语言形式保存，供合规审查
这意味着即便开发人员没有手工写过一行代码，也能在智能体出现异常时快速定位问题——究竟是意图理解错了，还是某一步API调用失败了。
3.3 安全与权限隔离
自然语言构建智能体引入了一个新的安全风险：用户可能通过巧妙的提示词诱导模型执行越权操作。蚂蚁百宝箱在NL2Action阶段引入了安全沙箱检查，对生成的每个动作进行权限校验（基于RBAC模型），禁止访问未经授权的资源。同时，所有动作执行都有完整的审计日志，满足《个人信息保护法》等法规要求。
四、场景实战：营销智能体从“周级交付”到“分钟级生成”
以营销场景为例，传统方式下，企业要上线一个“大促高潜用户转化”智能体，需要产品经理写需求文档、设计师画交互稿、前后端开发联调、测试回归验证——即便使用低代码平台，至少也需要一周时间。
而在蚂蚁百宝箱上，运营人员只需在对话框中输入：“创建一个智能体，每天上午10点从用户数据库中筛选出过去7天访问过活动页面但未下单的用户，对他们推送一张8折优惠券，并记录推送结果。如果用户连续三天未使用，则改为推送满减券。”系统在几十秒内自动生成了完整的智能体配置，包括：数据源连接、筛选逻辑、条件分支、优惠券发放接口调用、结果回写等。运营人员预览确认后，一键发布到生产环境。
这背后，蚂蚁百宝箱自动完成了数据schema的理解、业务规则的逻辑转换、接口协议的适配等一系列繁复工作。从“周”到“分钟”，不只是效率的提升，更是业务响应能力的质变。
五、对AI Coding时代的思考：开发者的角色将如何重塑？
自然语言构建智能体的普及，是否意味着程序员将失业？答案是否定的。相反，开发者的工作重心将从“写代码实现功能”转向“设计可复用的技能、优化编排策略、保障系统质量”。
类比软件开发史上的两次跃迁：汇编语言到高级语言，提高了抽象层次，并没有消灭程序员，而是催生了更多应用；从命令行到图形界面，也没有让IT人员失业，而是扩大了使用人群。自然语言编程同样如此——它降低了“实现”的门槛，但“定义问题、拆解目标、评估质量”等核心能力仍然依赖人类专家的判断。
对于企业而言，AI Coding时代带来的最大变化是：业务部门（市场、运营、产品）可以独立完成大量自动化任务的构建，而技术部门则可以集中精力构建更高质量的数据服务、更稳定的API网关、更安全的权限体系——也就是为智能体的运行提供“基础设施”。这些基础设施的稳定性、高性能和可扩展性，恰恰是像金蝶天燕这样深耕基础软件的厂商所擅长的领域。金蝶天燕Apusic中间件产品线所提供的高可靠消息队列、分布式事务处理、微服务治理等能力，正在为越来越多的企业级智能应用提供坚实底座，确保由自然语言生成的智能体能够在一个安全、可控、高效的运行时环境中稳定运行。
回到蚂蚁百宝箱，这项技术并非试图取代开发者，而是将开发者从重复、低价值的CRUD工作中解放出来，让他们去解决更具挑战性的系统性问题。这，才是AI Coding时代真正的价值所在。
六、结语：自然语言，企业应用开发的终极形态？
蚂蚁百宝箱的自然语言构建智能体能力，让我们看到了企业软件开发的一种可能形态：未来，描述需求的语言本身就是可执行的代码。虽然这一愿景尚需在更多行业、更复杂场景中接受检验，但方向已经清晰——企业服务的开发门槛正在从“专业技能”走向“领域知识”，而AI则是实现这一跃迁的关键桥梁。
当每一位业务专家都能用自己最熟悉的方式——自然语言——来驱动系统时，数字化转型将不再受限于IT资源瓶颈，而是回归到业务创新本身。这或许就是蚂蚁百宝箱带给行业的最大启示。
