2026 年最值得关注的开源低代码 / 零代码平台推荐

2026 年最值得关注的开源低代码 / 零代码平台推荐

无论是零代码小白还是资深开发者,都能在这些平台上找到适合自己的解决方案。今天,我们就来盘点一下 2026 年最值得关注的开源低代码 / 零代码平台,帮助您找到最适合的工具。

一、敲敲云 - 永久免费开源零代码平台

2026 年 1 月 12 日,敲敲云全新版本 v2.3.0 正式发布! 这一版本最大的亮点是正式宣布永久免费开放,彻底打破了传统零代码平台的用户数、应用数、表单数等多重限制,实现真正的零门槛、零成本使用。

敲敲云专注于为企业快速构建应用和工作流,是一款强大且易用的零代码平台。用户无需编写任何代码,即可通过丰富的组件库轻松创建各类应用,真正做到了 "人人都是开发者"。

产品特点:
  • 免费零代码使用,快速上手,无需开发背景
  • 丰富的组件库和模板,满足多样化应用需求
  • 可视化流程设计器,支持拖放式工作流设计
  • 强大的工作流引擎,支持复杂流程逻辑与条件判断
  • 优秀的团队协作功能,支持资源共享和协同开发
  • 数据收集能力强,快速高效地采集业务数据

官网:www.qiaoqiaoyun.com

源码下载
快速安装

二、JeecgBoot - 免费开源低代码平台(最流行)

JeecgBoot 是国内首个免费开源的低代码平台,基于 BPM 理念,采用前后端分离架构(SpringBoot 3.x、SpringCloud、Vue、Mybatis-plus 等),支持微服务架构。其强大的代码生成器可一键生成前后端代码,极大减少重复劳动,提升开发效率。

作为国内最流行的低代码平台之一,JeecgBoot 在 Java 开发者社区中拥有极高的知名度和活跃度。

产品优势:
  • 免费开源,社区活跃,灵活度高,适合 Java 项目
  • 提供丰富低代码模块,实现真正零代码开发(在线表单、报表、大屏设计、移动配置、流程设计等)
  • 简单功能零代码配置,复杂功能低代码生成,兼顾智能与灵活性
  • 业务流程采用工作流引擎,流程与表单松耦合设计,支持灵活配置
  • 保障企业流程保密性,显著减轻开发人员负担
  • 国产数据库友好(达梦、人大金仓)

官网:www.jeecg.com

源码下载

三、积木报表 - 像搭建积木一样设计报表

积木报表 (jimureport),是一款免费的数据可视化报表,含报表、打印、大屏和仪表盘,像搭建积木一样完全在线设计!功能涵盖:复杂报表、打印设计、图表报表、门户设计、大屏设计等!

  • JimuReport 侧重传统复杂报表和打印

  • JimuBI 侧重数据大屏和仪表盘可视化设计

产品优势:
  • JimuReport 采用 Web 版报表设计器,类 Excel 操作风格,通过拖拽完成报表设计,所见即所得。
  • 领先的企业级 Web 报表,支持各种复杂报表,专注于解决企业报表难题。
  • JimuBI 是专注于数字孪生和数据可视化的工具,旨在通过直观、动态且视觉吸引力强的形式呈现实时业务数据,尤其擅长打造 交互式大屏和仪表盘
  • JimuBI 业内唯一实现全场景覆盖:同时支持大屏(炫酷动态)、仪表盘(专业分析)、门户(交互式业务看板)、移动端(随时随地查看),真正实现 "一次开发,多端适配"。
  • 大屏采用类 word 风格,可以随意拖动组件,想怎么设计怎么设计,可以像百度和阿里一样,设计出炫酷大屏!
  • 秉承 "简单、易用、专业" 的产品理念,极大的降低报表开发难度、缩短开发周期、节省成本.

官网:https://jimureport.com/

代码下载

四、Budibase

Budibase 是一个开源低代码平台,可以更快地构建业务应用程序,从而增强团队能力并提高生产力。IBM、Deloitte、Proctor 和 Gamble、Rakuten 等企业在内部使用该平台。

它利用内部数据库,但也集成了领先的数据库,包括 ArangoDB、DynamoDB、Mongo DB、MySQL、S3 等。

产品特点包括:
  • 为所有团队成员快速构建内部工具
  • 在企业中设置和自动化表单
  • 创建管理面板来管理数据和
  • 团队和客户的简单门户

源码下载

五、Appsmith

Appsmith 是一个用于构建管理面板、内部工具和仪表板的低代码项目。与超过 15 个数据库和任何 API 集成。构建你需要的一切,速度提高 10 倍。允许你拖放组件来构建仪表板、使用 Java 对象编写逻辑并连接到任何 API、数据库或 GraphQL 源。

源码下载

六、BudiBase

Budibase 是一个开源的低代码平台,帮助 IT 专业人士在几分钟内在自己的基础架构上构建、自动化和交付内部工具。它专注于为开发人员提供工具,以加快一个平台内的开发、部署和集成过程。

源码下载

七、Joget

Joget 使业务用户、非编码人员或编码人员能够使用单一平台轻松构建、交付、监控和维护企业应用程序。Joget DX 在一个简单、灵活和开放的平台中结合了业务流程自动化、工作流管理和低代码应用程序开发的优点。

项目地址

八、n8n(流程自动化)

n8n 是一个开源的工作流自动化工具,主要用于连接不同的应用程序和服务,实现数据的自动化处理和流程的自动化执行。它提供了一个可视化的界面,让用户可以通过拖拽节点的方式来构建工作流,无需编写复杂的代码。

主要特点包括:
  • 节点式工作流设计:用户可以通过拖拽不同的节点来构建工作流,每个节点代表一个特定的功能或操作。
  • 丰富的集成能力:n8n 支持与多种第三方服务和应用程序的集成,如 Slack、Google Drive、GitHub 等。
  • 自定义节点:用户可以根据自己的需求创建自定义节点,扩展 n8n 的功能。
源码下载

Read more

LLaMA Factory 从入门到精通,一篇讲完

LLaMA Factory 从入门到精通,一篇讲完

目录 一、LLaMA-Factory 简介 二、安装部署 三、数据微调 1、数据集的建立 2、数据集格式 3、模型参数 4、开始运行 5、导出模型 四、webui 评估预测与对话 导出 五、SFT 训练 命令行 六、LoRA 合并 合并 量化 七、推理 原始模型推理配置 微调模型推理配置 多模态模型 批量推理 八、评估 通用能力评估 NLG 评估 评估相关参数 一、LLaMA-Factory 简介 LLaMA Factory 是一个简单易用且高效的大型语言模型(Large

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

目录 * 引言:轻量化部署的时代突围 * 一.技术栈全景图:精准匹配的黄金组合 * 基础层:硬核环境支撑 * 框架层:深度优化套件 * 工具层:部署利器 * 二.详细步骤:精准匹配CUDA 12.6的黄金组合 * 准备环节 * 1.模型选择 * 2.配置实例 * 3.选择镜像 * 4.进入JupyterLab * 5.进入终端 * 6.连接到ssh * 系统基础依赖安装 * 1.更新源并安装核心依赖 * 2.安装 Python 3.12 和配套 pip * 解决 pip 报错 * 深度学习框架部署:PaddlePaddle-GPU深度调优 * FastDeploy-GPU企业级部署框架 * 1.安装FastDeploy核心组件 * 2.修复urllib3

【AIGC前沿】MiniMax海螺AI视频——图片/文本生成高质量视频

【AIGC前沿】MiniMax海螺AI视频——图片/文本生成高质量视频

目录 1.MiniMax海螺AI视频简介 2.使用教程 1.MiniMax海螺AI视频简介 海螺视频,作为 MiniMax 旗下海螺 AI 平台精心打造的 AI 视频生成工具,致力于助力用户产出高品质视频内容。该工具依托 abab-video-1 模型,具备强大的文生视频功能。用户仅需输入关键词或简短语句,海螺视频就能据此创作出情节丰富的完整视频。此外,海螺视频运用 DiT 架构,能够精准模拟现实世界的物理规律,尤其在生成复杂场景与高动作场景时,展现出卓越的性能。 2.使用教程 点击如下链接,进入蓝耘元生代智算云平台主页 https://cloud.lanyun.net/#/registerPage?promoterCode=11f606c51e 点击主页上方栏的“MaaS平台” 然后点击左侧栏的“视觉模型”  可以看到可以免费体验一次I2V-01图片生成视频  点击如下红框处将图片上传  例如输入如下的图片 例如想让小狗动起来,可以在如下红框处输入相应的指令,然后点击立即生成

强化学习与大模型融合:从理论到机器人实践全解析

强化学习与大模型融合:从理论到机器人实践全解析

强化学习与大模型融合:从理论到机器人实践全解析 导读:本文系统梳理了强化学习(RL)与大语言模型(LLM)融合的前沿技术,涵盖从理论基础、算法架构到机器人仿真实践的完整链路。基于最新学术讨论与实验案例,深入剖析如何利用大模型优化奖励设计、解决多智能体协作难题,并提供完整的开发环境搭建指南。 一、核心概念与课程概览 1.1 什么是强化学习与大模型融合? 强化学习与大模型融合(LLM-RL)是指将大语言模型的语义理解、推理能力与传统强化学习的决策优化相结合,以解决复杂环境下的智能体控制问题。 核心优势: * 🧠 智能奖励设计:利用LLM自动生成和优化奖励函数,克服人工设计奖励的局限性 * 🔄 自适应交互:通过自然语言交互实现人机协作与策略优化 * 🎯 泛化能力提升:借助大模型的先验知识提高样本效率和策略泛化性 1.2 课程知识结构 ┌─────────────────────────────────────────────────────────────┐ │ 强化学习与大模型融合 │ │ 教学讨论框架 │ ├─────────────────────────