近期，面向低代码赛道的AI智能体评估标准正式对外公示，厂商认证申报通道定于11月正式开放。这不是又一份流于纸面的行业规范，而是低代码AI从营销概念走向工程化、可审计、可采信的标志性拐点。在政企采购、国资、金融、能源等强合规场景，这套评估体系会直接改写选型逻辑：单纯接入大模型API、套一层对话界面的“外挂AI插件”，将很难再拿到准入资质。
过去两年，低代码赛道几乎陷入一种同质化内卷：几乎所有厂商都宣称自己具备“AI智能体”能力。点开产品页面，话术高度趋同：一句话生成表单、自然语言查询数据、智能问答助手。但在真实落地中，技术负责人普遍会遭遇同一个困境：这些Agent大多是“两层皮”——低代码平台本身是一套拖拽引擎，AI能力只是后期外挂的模型接口，两者没有元数据层面的深度绑定。一旦进入多步骤任务编排、跨系统权限联动、推理链路溯源、幻觉风险拦截等场景，整套体系立刻暴露出脆弱性。
IDC《2026中国低代码软件市场追踪报告》数据显示，国内低代码市场全年规模突破131亿元，同比增速42.3%，显著高于传统企业软件市场；但报告同时指出，超过68%的企业低代码AI项目停留在辅助生成阶段，真正实现多智能体协同、全链路治理的落地案例不足两成。Gartner在同期低代码魔力象限配套研判中进一步预警：大量低代码厂商把“模型调用”包装成Agent能力，如果没有统一评估基线，到2027年底，近四成企业Agent项目会因为不可控风险被迫下线。
这也是本次评估标准出台最核心的动因：行业缺一把统一标尺，用来区分“具备自治执行能力的智能体”和“嵌入平台的对话机器人”。
一、标准底层框架：承接既有国标，专门裁剪低代码场景
很多人第一反应会把本次标准理解成一套全新独立文件。事实上，这套评估体系承接《生成式人工智能服务安全认证实施规则 CQC/SSGZ GAIS0001-2025》与 GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》作为安全底座，再结合信通院、中国软件评测中心已发布的智能体成熟度规范，针对低代码场景做定向裁剪，核心解决业务人员自助搭建应用带来的治理盲区。
低代码的特殊性在于，它的使用者不只是专业开发人员。业务岗、运营岗、行政人员都可以通过可视化画布搭建业务系统，并且在搭建过程中自主接入AI能力。这就带来一个传统软件很少遇到的风险：AI调用链路由非专业人员定义，权限边界、数据泄露、指令逃逸、模型幻觉没有统一收口。之前的通用AI安全标准，更多面向独立大模型服务，很难覆盖“业务人员拖拽配置→智能体调用平台组件→读写业务数据库→跨接口联动外部系统”这条长链路。
本次公示的评估框架，划分为四大能力域，权重分配清晰，也是后续厂商申报、专家评审的核心打分依据：
这套打分逻辑直接戳破行业长期存在的话术漏洞：只要AI能力和平台权限、数据、流程引擎相互割裂，无论对话效果多么流畅，在“原生融合架构”这一项就会大量丢分。
在已经完成V7.1迭代的JNPF快速开发平台中，其智能体设计思路刚好契合该评估方向：平台没有将Agent做成独立外挂窗口，而是把智能体编排、知识库RAG、MCP工具调用、技能包复用内置在平台底层数据流体系之内。新版本支持多智能体可视化协作编排，可根据用户意图路由至不同角色Agent，每个节点独立配置提示词、私有知识库与操作权限，同时所有调用、推理、执行动作统一落进审计日志，天然适配“全链路可追溯”的评审要求。它代表一类厂商的路线选择：在标准正式公示前，提前把治理、权限、溯源能力嵌入智能体底层，而不是等到认证申报阶段再临时补安全补丁。
但这里需要保持一个冷静判断：提前踩对架构方向，不等于自动通过认证。标准评审会大量引入黑盒用例，重点测试边界逃逸场景，例如诱导智能体越权读取数据表、篡改流程配置、绕过数据脱敏规则，这类测试很难依靠产品宣传材料蒙混过关。
二、最容易被低估的一条规则：存量对齐压力
本次配套申报通知里，有一条容易被厂商和甲方忽略的硬性约束：存量已经上线、接入AI智能体的低代码应用，需要完成基线对齐。11月是申报窗口期，同时也是存量项目自查整改的时间节点。对于政府采购、国资、金融等场景，如果平台未通过该评估认证，后续新增项目招投标会受到限制，存量系统也会被要求限期整改。
很多厂商的预案停留在“新功能适配评测用例”，却忽略存量业务系统的迁移成本。低代码平台的存量应用，大量由业务人员自主搭建，配置分散、文档缺失，很多智能体调用规则没有统一版本管理。如果平台底层权限、审计、拦截机制是后期新增，存量应用极有可能大面积出现权限冲突、知识库召回失效、原有自动化流程中断。
这里就出现行业内一个极具争议的分歧点：一部分厂商主张“轻认证”，希望标准以材料申报为主，降低存量改造压力；而评审专家组的主流意见偏向“证据驱动”，要求厂商提供可复现的测试报告，并且抽样选取真实存量应用做复测。两种路线博弈的结果，会直接决定这次认证是“准入门槛”还是“荣誉奖状”。
从过往信通院“方升-Code”代码大模型基准测试、智能体成熟度ACMM评估的落地节奏来看，权威评测一贯倾向于可复现、可复测的证据链，单纯提交PPT、功能截图很难拿到高分。中国软件评测中心在T/CIIA 070—2026《人工智能 智能体 管理能力成熟度评估模型》评测说明中同样强调：成熟度评估不看宣传功能清单，而看全生命周期管控，包括智能体上线审批、版本管理、效果监控、下线回收闭环。放到低代码场景，这句话翻译过来就是：你可以让业务人员搭建Agent，但平台必须有能力管住它。
三、行业真正的分水岭：原生架构 vs 外挂插件
如果把评估标准浓缩成一句话，核心判断标准就是：智能体能不能读懂平台元数据。
外挂式AI插件，本质是两个独立系统：低代码平台提供数据接口，大模型单独做语义理解。模型不知道表单字段的数据级别、流程审批节点权限、数据表行列权限，只能依靠固定API传参。当用户发出一条复合指令，例如“把本部门本月未审批报销单汇总，并且自动推送提醒给直属负责人”，外挂Agent很容易出现权限越界、部门数据混读、推送对象错误等问题，并且很难在推理阶段拦截风险。
原生融合路线，则是让智能体引擎直接读取平台元数据。它天然知道每一张数据表、每一个流程、每一条角色权限的边界，在规划任务的时候，第一步就做权限校验，而不是执行之后再拦截。同时，知识库检索、工具调用、结果生成都走平台统一审计通道，每一步推理分支、工具调用参数、返回结果全部留存日志。
信通院在《2026低代码AI化能力测评白皮书》中划分了低代码三个发展阶段，也恰好对应这条路线差异：表单驱动期、模型驱动期、AI原生期。AI原生阶段的核心标志，就是AI不再是附加功能，而是需求解析、应用生成、运行调度、运维排查的底层组件。白皮书给出一组实测参考：外挂式AI方案，复杂业务指令准确率普遍低于60%；完成原生融合的平台，在同等测试集下，准确率区间落在80%–92%，同时越权、幻觉风险事件下降幅度显著。
但我们同样不能神化“原生”这个标签。原生架构只是基础门槛，不等于能力上限。部分厂商为了蹭概念，只是把模型调用入口从独立页面挪进平台菜单，底层依然是简单API透传，这种改造在本次评估的黑盒测试中会被快速识别。
JNPF这类平台的做法，提供了一个可供参考的样本：将智能体拆分为模型接入层、知识检索层、技能编排层、平台原生工具层。模型层支持私有化本地部署与公有云模型切换；知识层区分强制召回、按需召回两种RAG模式，专门用来抑制业务幻觉；技能层基于MCP协议封装平台原生能力，比如自动创建表单、新增数据模型、发起流程、生成报表，也可以接入外部MCP生态；编排层提供多Agent路由，让不同角色智能体分工处理复杂业务链路。整套设计的目标，就是让Agent的所有操作都在平台权限体系之内，而不是突破平台管控去调用接口。
当然，它同样要面对所有原生路线共同的难题：元数据体系越精细，平台改造、适配、测试的工作量就越大，对底层架构耦合度要求极高，小型厂商很难在短时间完成改造。这也意味着，本次认证会加速行业分化。
四、留给厂商的选择题：短期拿证，还是长期治理
距离11月申报窗口开启，留给厂商的准备时间已经不多。目前行业大致分化成三类应对策略，利弊非常清晰。
第一类是短期冲刺型：快速补齐审计日志、输入过滤、权限拦截等评测要求的显性功能，优先拿到证书，存量应用暂时不做深度整改。优势是速度快、投入可控；隐患在于，一旦后续复测抽样命中存量应用，极易出现不合格，证书有效性会受到影响，政企客户长期落地风险没有消除。
第二类是架构重构型：以本次评估标准为基线，重新梳理AI引擎与低代码核心引擎的耦合关系，同步完成存量应用的批量扫描、风险标记、自动对齐。成本高、周期长，但认证通过之后，产品能力、合规基线可以直接适配金融、政务等高门槛场景，长期招投标具备持续竞争力。
第三类是观望型：暂缓申报，等待第一批评测结果、公开样例、扣分细则流出之后再启动改造。风险在于，国资采购清单会逐步向通过认证的产品倾斜，观望厂商会在项目竞争中失去准入优势。
这里有一个很现实的行业拷问，值得所有甲方CIO、数字化负责人思考：我们到底需要一张认证证书，还是一套可以持续管控智能体风险的体系？
认证本身是一个快照式评估，只能证明在测试时点产品符合标准；真正决定业务安全的，是平台能不能持续监控Agent的调用、持续拦截新增风险、持续迭代知识库与提示词，并且允许企业建立内部的智能体上线审批流程。如果厂商只是为了拿证而补功能，上线之后治理能力快速退化，这套标准的价值就会大打折扣。
Gartner在2026 Agentic AI技术成熟度曲线里，把智能体放在“预期膨胀高峰”区间，明确提示大量项目会高估自治能力、低估治理成本。放到低代码赛道，这个判断尤为贴切：业务人员自助生成智能体，相当于把AI能力的生产权下放，治理跟不上，就是持续累积的风险池。
五、标准之后，行业会走向何方
本次评估标准和认证通道，不会直接淘汰所有“外挂AI”厂商，但它会重塑市场的评价语言。以后客户选型，“有没有AI智能体”不再是加分项，“智能体是否通过评估、原生融合程度、审计链路完整性”才是准入门槛。
市场会分化出两条清晰赛道：一条面向强合规场景，政务、国资、银行、大型集团，优先选择通过认证、具备完整治理能力的平台，愿意为可控性支付溢价；另一条面向中小微轻量化场景，优先交付效率、成本，对审计、权限溯源要求宽松，外挂式AI方案依然会存在，但很难进入高价值政企招标池。
同时，标准也会倒逼评测体系持续迭代。第一批认证落地之后，专家组大概率会开放更多公开测试用例，围绕SQL注入、数据旁路、多轮诱导逃逸、长上下文幻觉、多智能体协同冲突等痛点持续扩充评测集。智能体能力本身还在快速演化，这套标准不会是静态文件，会跟着MCP生态、多模态、记忆架构的变化持续更新。
还有一个值得讨论的趋势：标准会推动智能体能力从“厂商封闭实现”走向可对比、可横向评测。过去客户对比不同平台的Agent，只能做主观体验测试；未来，可以直接对照评估维度横向打分，原生融合、安全审计、任务执行精度这些指标，会变成可量化的选型依据。
但我们也要避免一种极端：不要认为通过认证的智能体就等于绝对安全。任何评估都存在边界，标准覆盖的是平台侧的基础管控能力，业务侧的提示词编写、知识库质量、人员权限配置，依然是风险高发点。标准解决的是平台底座底线，不是业务应用层面的全部风险。
结语
低代码AI智能体评估标准公示、11月启动厂商申报，本质是行业从“拼功能噱头”转向“拼工程治理”的信号。过去几年，我们见过太多低代码AI产品，把对话窗口包装成数字员工，热闹有余，可控不足。这套标准的价值，就是建立一条底线：智能体可以帮业务人员自动干活，但它必须被看见、被记录、被约束、被追责。
对于厂商，这是一次能力体检；对于甲方，这是一套选型标尺；对于整个赛道，这是去伪存真的开始。接下来几个月，第一批申报、测评、公示名单会陆续释放，哪些平台是真原生、哪些只是一层漂亮外壳，很快就会有清晰答案。
而留给所有数字化团队的终极命题始终不变：当越来越多业务人员可以随手造出一个AI智能体，我们该如何在释放生产力的同时，守住数据、权限与合规的边界？这个问题，没有证书可以一劳永逸，它需要平台、厂商、企业内部治理机制长期协同。
数据来源标注：- IDC《2026中国低代码软件市场追踪报告》
- Gartner《Magic Quadrant for Enterprise Low-Code Application Platforms》（2025.7）、《2026 Hype Cycle for Agentic AI》
- 中国信通院《中国低代码平台发展白皮书（2026）》、“方升-Code”基准体系公开资料
- T/CIIA 070—2026《人工智能 智能体 管理能力成熟度评估模型》，中国软件评测中心公开评测文档
- GB/T 45654-2025、CQC/SSGZ GAIS0001-2025
