lsfusion的脚本，它是描述软件需求的脚本（就是计算机研究领域里描述即软件的研究方向），它不是什么用js写前端逻辑，用groovy写后端逻辑的那种脚本，它根本不需要你去写这些代码实现逻辑，它只是需要你描述软件需求，具体怎么用前后端代码实现需求描述是它的脚本解释器干的工作。其实抗ai平台也未必就lsfusion,以后的抗ai开发平台就是，给出详细的软件需求描述（数据库类应用），平台就直接生成软件

做法基本就是，先搞一个初始的算子设计，比如几层，每层多少参数，然后准备一个小规模的训练集，比如100g的训练集，和对应的测试集，先对初始算子的算法模型用100g的小规模训练集训练，测试集得分60分，然后对每个算子，用并行遗传算法搜素，对搜索出来的新算子的算法模型用100g的小规模训练集训练，测试集得分65分，这样反复的优化搜索，最后得到一个测试集得分最高的最优的算子。再对这个最优算子的算法模型，用

这里的关键中间件叫aps MCP，它把aps 软件的能力——执行脚本新建订单、提交排程、查看排产结果——全部暴露成 AI 可调用的工具接口。——这些全是aps软件在干(免费的可以调用基于并行遗传算法优化的mianfei 生产排程软件isuperaps)。这里的关键，就是apsmcp的设计,apsmcp的作用说白了就是：把一个只能人手操作的aps软件，变成 AI 能调用的工具系统。AI驱动aps排产

axelor是由法国公司Axelor (https://www.axelor.com)推出的开源java快速开发平台和中型erp应用系统，基于标准的spring框架三层架构，orm使用jpa,权限验证使用shiro,界面通过xml配置，前后端分离前台通过ajax/json和后端交互，提供pc和手机操作界面，无需直接编写页面文件，极大的提高开发速度和效率axelor的erp模块覆盖了一个中型企业..

而基于python的frappe低代码平台，通过配置生成界面，生成的界面美观符合国内操作习惯，同时支持pc和手机端，还支持基于云平台的saas部署，可以说各方面都领先django框架。frepple的管理平台是用django框架开发的（排程算法c++开发，python调用），django界面比较陈旧，不符合国内操作习惯，也不支持多端和云平台。用支持云平台和saas部署的frappe低代码开发平台来

做法基本就是，先搞一个初始的算子设计，比如几层，每层多少参数，然后准备一个小规模的训练集，比如100g的训练集，和对应的测试集，先对初始算子的算法模型用100g的小规模训练集训练，测试集得分60分，然后对每个算子，用并行遗传算法搜素，对搜索出来的新算子的算法模型用100g的小规模训练集训练，测试集得分65分，这样反复的优化搜索，最后得到一个测试集得分最高的最优的算子。再对这个最优算子的算法模型，用

genero只专注做erp/wms/mes/crm，不能用来做oa，也不能用来做互联网应用，鼎捷之所以能盈利，就是它这个genero开发极其简单，新人几天就能入手开发，开发速度是友蝶开发人员的十倍，有钱可以买类似genero这种的，虽然买开发框架花钱，但是开发成本极低，客户也喜欢，因为客户自己以后二开成本也低。4gl，主打的就是就是开发简单，开发速度快，你100哥熟手开发1年，他只需要10个新手开

教育行业同样充满潜力，通过智能辅导、个性化学习路径推荐和自动批改作业，大模型能够显著提升教学效率，满足学生的个性化需求，让每一个学生都能获得更好的教育资源。金融行业则可以通过大模型的应用，在智能风控、精准营销和自动化客户服务方面取得突破，提高服务质量和客户满意度。用ai大模型实现生产调度aps已经成为最新的热门研究领域，无论是sap，还是谷歌的deepmind,都有团队从事这方面的研发（deepm

当然，训练出一个实用的基于强化学习的ai生产排程模型，需要的成本可能非常大，最近有人估计过deepmind的一篇论文的算力成本，该论文讨论了最优化的模型设计和参数，通过试验不同的模型设计和参数，使用的算力成本高达1400万美元。生产排程，则是现在这个工序工作放到哪个时间段的问题，ai要考虑的是空闲的可用时间段和约束条件，和下围棋是一样的。我们知道，下围棋就是现在这个子放到哪个格子的问题，ai要考虑

当然，训练出一个实用的基于强化学习的ai生产排程模型，需要的成本可能非常大，最近有人估计过deepmind的一篇论文的算力成本，该论文讨论了最优化的模型设计和参数，通过试验不同的模型设计和参数，使用的算力成本高达1400万美元。生产排程，则是现在这个工序工作放到哪个时间段的问题，ai要考虑的是空闲的可用时间段和约束条件，和下围棋是一样的。我们知道，下围棋就是现在这个子放到哪个格子的问题，ai要考虑