返回產品博客

當 AI 學會「畫界面」:A2UI 如何重新定義人機交互

本文發佈於 2026年1月13日。產品當前能力參見產品能力。

當 AI 學會「畫界面」:A2UI 如何重新定義人機交互

當 AI 學會「畫界面」:A2UI 如何重新定義人機交互

你有沒有想過,為什麼我們和 AI 對話時,它只能「說」,卻不能「做」?

這個問題看似簡單,卻揭示了當前 AI 交互的根本侷限——無論 AI 有多聰明,它的表達方式始終停留在「文字」這一層面。而 A2UI 的出現,正在打破這個侷限。

在這篇文章中,我們將深入探討 A2UI 技術的方方面面:它是什麼、為什麼重要、如何工作、有哪些應用場景,以及它將如何改變我們與 AI 交互的方式。無論你是技術人員還是普通讀者,相信都能從中獲得啟發。


一個關於「表達」的故事

在正式介紹 A2UI 之前,讓我們先講一個關於「表達」的故事。

1960 年代,計算機科學家們面臨一個難題:如何讓普通人也能使用計算機?

那時候,計算機只能通過「命令行」操作——你必須記住一堆神秘的指令,比如 ls -la、grep -r、chmod 755,才能讓計算機做事。這就像學習一門外語,門檻極高。

1968 年,一位名叫道格拉斯·恩格爾巴特(Douglas Engelbart)的科學家做了一場著名的演示,後來被稱為「所有演示之母」(The Mother of All Demos)。在這場演示中,他展示了鼠標、窗口、超鏈接等革命性的概念。

他的核心理念是:讓計算機適應人類的思維方式,而不是讓人類適應計算機。

二十年後,蘋果的 Macintosh 將這個理念變成了現實——圖形界面讓普通人也能使用計算機。你不需要記住命令,只需要用鼠標點擊圖標。計算機學會了用「畫面」與人溝通,而不只是「文字」。

今天,我們正在見證另一次類似的變革。

AI 已經能夠理解自然語言、回答複雜問題、生成各種內容。但它的表達方式仍然停留在「文字」層面——就像 1960 年代的命令行時代。

A2UI 的意義在於:讓 AI 學會用「界面」與人溝通。

這不是一個小小的技術改進,而是人機交互範式的根本轉變。


從一個日常場景說起

假設你對 AI 說:「幫我訂一張明天去上海的機票。」

現在的 AI 會怎麼回答?

它會給你一大段文字:航班信息、價格對比、注意事項……然後告訴你「請前往某某網站完成預訂」。

你需要:

  • 閱讀這些文字
  • 複製航班號
  • 打開另一個網站
  • 手動填寫信息
  • 完成支付

AI 說了很多,但實際上什麼都沒「做」。

這種「只說不做」的模式,幾乎存在於我們和 AI 的每一次交互中。無論是讓 AI 幫你分析數據、填寫表單、還是生成報告,最終你都需要離開對話界面,去另一個地方完成實際操作。

AI 像是一個博學但不會動手的顧問——它可以告訴你怎麼做,但不能幫你做。

這個問題的根源在於:AI 的「嘴」和用戶的「手」之間,存在一道看不見的鴻溝。AI 只能輸出文字,而用戶需要的是可以操作的界面。這道鴻溝,需要用戶自己去跨越。


如果 AI 能直接「畫」出界面呢?

想像另一種場景:

你說:「幫我訂一張明天去上海的機票。」

AI 直接在對話框裡展示一個真正的預訂界面:

  • 三個航班選項,清晰的卡片佈局,每張卡片顯示航空公司、出發時間、到達時間、價格
  • 價格、時間一目瞭然,還能按價格或時間排序
  • 點擊「選擇」按鈕,卡片高亮
  • 彈出乘客信息表單,你可以直接填寫
  • 確認後彈出支付界面
  • 完成

整個過程沒有離開對話界面,沒有複製粘貼,沒有在多個應用間切換。

從「說」到「做」,這就是 A2UI 要實現的事情。

這不是科幻電影中的場景,而是 Google 在 2025 年底發佈的 A2UI 協議所定義的交互方式。這項技術正在從概念走向現實,而我們已經實現了它的首個完整版本。


為什麼「界面」能讓一些信息更易理解?

在繼續之前,先看一個問題:為什麼圖形界面能讓一些信息比純文字更易理解?

視覺結構與識別

視覺與文字適合不同的理解任務。圖表和界面可以同時展示結構、對比和關係,文字則適合解釋背景與細節;具體採用哪種方式,取決於任務和信息本身。

當信息以圖形界面呈現時:

  • 我們可以「一眼看到」整體結構
  • 我們可以通過顏色、大小、位置快速識別重點
  • 我們可以用直覺而非邏輯來理解關係

當信息以純文字呈現時:

  • 我們必須「線性閱讀」每一個字
  • 我們必須在腦中構建心理模型
  • 我們容易遺漏細節或誤解含義

例如,比較銷售數據時,圖表可以讓需要比較的關係比單獨一段文字更直觀。

「認知負荷」的概念

心理學家約翰·斯威勒(John Sweller)提出了「認知負荷理論」——人類的工作記憶容量是有限的。當我們需要同時處理太多信息時,就會「過載」,導致理解困難、容易出錯。

傳統 AI 對話的問題在於:它把所有認知負荷都轉嫁給了用戶。

AI 輸出一段文字,用戶需要:

  1. 閱讀並理解內容(內在負荷)
  2. 記住關鍵信息(記憶負荷)
  3. 切換到其他應用執行操作(外在負荷)
  4. 在腦中維護任務狀態(管理負荷)

這些負荷加在一起,很容易超出工作記憶的容量。結果就是:操作繁瑣、容易出錯、體驗糟糕。

A2UI 通過讓 AI 生成界面,將大部分認知負荷從用戶轉移到了系統。 用戶不需要記憶、不需要切換、不需要手動管理狀態——界面幫你處理這一切。

「直接操縱」原則

人機交互領域有一個重要概念叫「直接操縱」(Direct Manipulation):用戶應該能夠直接操作他們看到的對象,而不是通過間接的命令。

舉個例子:

  • 間接操縱:輸入命令 move file1.txt to folder2/
  • 直接操縱:用鼠標把文件圖標拖到文件夾裡

直接操縱的優勢是顯而易見的:更直觀、更不容易出錯、學習成本更低。

傳統 AI 對話本質上是「間接操縱」——你用文字告訴 AI 你想做什麼,AI 用文字告訴你怎麼做,然後你自己去做。中間隔了好幾層。

A2UI 讓 AI 生成可交互的界面,實現了「直接操縱」——你看到什麼,就能操作什麼。想法和行動之間的距離被大大縮短。


A2UI 是什麼?

A2UI,全稱 Agent-to-User Interface(智能體到用戶界面),是 Google 在 2025 年 12 月正式發佈的一項開放協議。

簡單來說,它定義了一套標準規則,讓 AI 能夠輸出可交互的界面元素,而不僅僅是文字。

一個類比:從 HTML 到 A2UI

如果你熟悉網頁開發,可以這樣理解:

  • HTML 是人類開發者寫給瀏覽器的「界面描述語言」——開發者寫 HTML 代碼,瀏覽器渲染成網頁
  • A2UI 是 AI 寫給應用程序的「界面描述語言」——AI 輸出 A2UI 數據,渲染器渲染成交互界面

區別在於:HTML 由人類編寫,需要專業技能;A2UI 由 AI 生成,只需要自然語言指令。

傳統 AI 輸出 vs A2UI 輸出

維度 傳統 AI A2UI AI
輸出形式 純文本或 Markdown 結構化的界面描述
用戶操作 需要手動執行 可以直接交互
信息呈現 線性文字流 可視化組件
任務完成 多次對話+手動操作 一次對話完成
數據交互 用戶複製粘貼 直接點擊操作
狀態管理 用戶自己記憶 界面自動維護

A2UI 支持的界面元素

這些界面元素涵蓋了大多數應用場景:

基礎組件

  • 文本:支持富文本格式、標題層級、強調樣式、鏈接、列表
  • 按鈕:可配置樣式(主要、次要、危險)、圖標、加載狀態、禁用狀態
  • 輸入框:單行、多行、密碼、搜索、數字、郵箱等多種類型,支持驗證規則
  • 複選框和單選框:支持分組、聯動、默認值

佈局組件

  • 卡片:信息聚合的容器,支持頭部、封面圖、內容區、操作區
  • 列表:垂直或水平排列,支持分頁、懶加載、拖拽排序
  • 表格:支持排序、篩選、分頁、行選擇、單元格編輯
  • 選項卡:多視圖切換,支持懶加載
  • 摺疊面板:可展開/收起的內容區域
  • 分欄佈局:靈活的多列布局

數據可視化

  • 圖表:折線圖、柱狀圖、餅圖、散點圖、面積圖、雷達圖、熱力圖等
  • 進度條:線性或環形,支持多段、動畫
  • 統計卡片:關鍵指標展示,支持趨勢箭頭、對比數據
  • 時間線:事件流程展示

媒體組件

  • 圖片:支持輪播、縮放、懶加載、水印
  • 視頻和音頻:內嵌播放器,支持進度控制
  • 文件:上傳、下載、預覽
  • 地圖:位置展示和選擇

高級交互

  • 模態對話框:確認、表單、詳情展示、多步驟嚮導
  • 下拉菜單:單選、多選、搜索、分組
  • 日期選擇器:單日、範圍、時間
  • 滑塊:數值範圍選擇
  • 評分:星級評價
  • 拖拽上傳:文件拖放區域

AI 不再只是一個「文字生成器」,而是變成了一個「界面設計師」。


A2UI 的工作原理

你可能會好奇:AI 是怎麼「畫」出界面的?

其實,AI 並不是真的在「畫」界面,而是在「描述」界面。這個過程可以用一個生活中的比喻來理解。

一個比喻:AI 是建築師,渲染器是施工隊

想像你要蓋一棟房子:

傳統方式:你告訴建築師「我想要一棟房子」,建築師給你寫了一份 500 頁的說明書,描述每個房間的尺寸、每塊磚的位置、每根管道的走向。然後你需要自己找施工隊、買材料、監督施工。

A2UI 方式:你告訴建築師「我想要一棟房子」,建築師直接畫出設計圖紙,施工隊按圖施工,你只需要驗收入住。

在這個比喻中:

  • 你 = 用戶,提出需求
  • 建築師 = AI,理解需求並設計方案
  • 設計圖紙 = A2UI 數據,標準化的界面描述
  • 施工隊 = 渲染器,按照圖紙構建界面
  • 房子 = 用戶看到的交互界面

AI 不需要會砌磚、接水管(不需要會畫圖表、處理點擊),它只需要會設計(知道什麼界面適合什麼場景)。這就是「關注點分離」的威力。

第一步:AI 生成界面描述

當你對 AI 說「展示上個月的銷售數據」,AI 會生成一段結構化的數據,描述應該展示什麼界面。

就像建築師畫圖紙一樣,AI 會「畫」一份界面圖紙:

组件类型:图表
图表类型:柱状图
标题:2025年12月销售额
数据:[
  { 月份: "第一周", 销售额: 120 },
  { 月份: "第二周", 销售额: 150 },
  ...
]
可交互:支持点击查看详情

這份「圖紙」包含了界面的所有必要信息:用什麼組件、顯示什麼數據、支持什麼交互。但它不包含任何「如何實現」的細節——那是渲染器的工作。

AI 不需要知道如何綁制柱狀圖,它只需要知道「用戶想看銷售數據,柱狀圖是合適的展示方式」。

第二步:渲染器解析並渲染

渲染器(如我們的 @zhama/a2ui)接收這份「圖紙」,將其轉換為真正的界面元素。

渲染器就像一支訓練有素的施工隊,它知道如何:

  • 根據數據綁制柱狀圖
  • 添加鼠標懸停效果
  • 處理用戶點擊事件
  • 實現平滑的動畫過渡
  • 適配不同屏幕尺寸
  • 支持深色/淺色主題

它把 AI 的「設計圖紙」變成用戶看到的「精裝修房子」。

第三步:用戶交互反饋給 AI

當用戶點擊某個數據點時,渲染器捕獲這個事件,生成一個「用戶動作」消息發送給 AI。

AI 收到消息後,知道用戶對這個數據點感興趣,可以生成更詳細的分析或相關的操作選項。

整個過程形成一個閉環:AI 描述 → 渲染器展示 → 用戶交互 → AI 響應 → 新的描述……

這就是 A2UI 的魔力:AI 專注於理解需求和決定內容,渲染器專注於展示和交互,兩者各司其職,協同工作。


這對不同角色意味著什麼?

對普通用戶:告別「複製粘貼」時代

以前和 AI 對話,像是在和一個「只會說不會做」的助手溝通。你問它問題,它給你答案,但答案只是文字。你需要自己去執行這些文字描述的操作。

這就像你問一個人「怎麼去火車站」,他給你詳細描述了路線,但你還是得自己走過去。

有了 A2UI,AI 可以直接幫你:

場景一:填寫複雜表單

以前:AI 告訴你需要填寫哪些信息,你去找表單,一項項填寫,可能還會漏填或填錯。

現在:AI 直接生成表單,預填已知信息,標記必填項,提供輸入驗證。你在對話中完成填寫,AI 幫你檢查和提交。

場景二:數據查詢

以前:AI 告訴你數據是什麼,你需要自己整理,可能還要手動做表格或圖表。

現在:AI 直接生成交互式圖表和表格。你可以點擊篩選、拖動排序、切換視圖、一鍵導出。

場景三:預約服務

以前:AI 告訴你可用時間段,你需要記住這些時間,打開日曆應用,找到正確的日期,創建事件。

現在:AI 直接顯示日曆組件,可用時段高亮顯示。你點擊選擇,填寫備註,確認完成。AI 還能自動發送提醒。

場景四:購物決策

以前:AI 給你一堆產品信息的文字描述,你需要自己比較,可能還要打開多個網頁。

現在:AI 生成產品對比卡片,關鍵參數並排顯示。你可以添加對比項、調整排序、直接下單。

減少複製粘貼,減少來回切換,減少信息遺漏,一切都在對話中完成。

對企業:AI 客服的質變

傳統的 AI 客服有一個根本性的問題:它只能回答問題,不能解決問題。

傳統 AI 客服處理複雜問題時,往往需要轉接人工。用戶需要重複說明問題,企業也需要投入後續人工處理。

問題出在哪裡?AI 客服只能「說」,不能「做」。

當用戶說「我想退貨」,傳統 AI 會回覆:「請登錄您的賬戶,進入訂單頁面,點擊退貨按鈕……」然後用戶需要自己去操作。如果用戶遇到任何問題,又要回來繼續問。

這不是真正的服務,這只是一個會說話的說明書。

有了 A2UI,AI 客服可以:

直接展示訂單列表

用戶說「我想退貨」,AI 直接顯示用戶的近期訂單,卡片形式,每個訂單顯示商品圖片、名稱、購買日期、訂單狀態。用戶點擊要退的那個,無需記訂單號,無需登錄跳轉。

生成退貨申請表單

用戶選擇訂單後,AI 直接顯示退貨原因選擇框(預設常見原因)、退款方式選項(原路返回、餘額、換貨)、補充說明輸入框、上傳圖片按鈕(如有質量問題)。用戶填寫完成後點擊提交。

實時顯示處理進度

提交後,AI 顯示一個清晰的進度時間線:「申請已提交 → 商家審核中 → 等待寄回 → 驗收中 → 退款處理中 → 完成」。每個節點顯示時間和狀態,用戶可以隨時回來查看進度。

主動提供後續服務

退款完成後,AI 可以主動詢問:「退款已到賬,您是否需要重新選購其他商品?」並展示相關推薦。

從「問答機器人」升級為「服務終端」——用戶不需要離開對話界面,就能完成整個業務流程。

這意味著:

  • 讓更多請求在當前會話中完成處理
  • 讓人工客服專注處理需要複雜判斷的問題
  • 改善完成請求的體驗
  • 減少重複服務工作

對開發者:降低 AI 應用開發門檻

以前要讓 AI 輸出結構化內容,開發者需要:

  1. 設計複雜的提示詞,讓 AI 輸出特定格式的 JSON(容易出錯)
  2. 編寫解析代碼,處理 AI 輸出中的各種異常情況(非常繁瑣)
  3. 設計前端組件,渲染這些數據(需要 UI 開發能力)
  4. 處理用戶交互,將操作結果反饋給 AI(狀態管理複雜)
  5. 不斷調試,因為 AI 的輸出格式經常不穩定(永無止境)

整個過程充滿了不確定性,開發週期長,維護成本高。很多開發者被迫在「提示工程」上花費大量時間,而不是專注於產品本身。

有了 A2UI,開發者可以:

使用標準化協議

A2UI 定義了清晰的數據結構,AI 輸出什麼格式、包含哪些字段、如何描述交互,都有明確規範。主流的 AI 模型都在逐步支持 A2UI 輸出。不再需要自己設計和維護私有格式。

使用現成的渲染器

我們開源的 @zhama/a2ui 提供了完整的 React 渲染器。只需將 AI 輸出傳入組件,界面自動渲染,交互自動處理。15 行代碼就能跑起來。

專注於業務邏輯

開發者不再需要關心「如何讓 AI 輸出正確格式」「如何渲染這些數據」「如何處理用戶點擊」。這些都由協議和渲染器解決。開發者只需要關心:用戶想做什麼,AI 應該提供什麼幫助。

複用和擴展

A2UI 是開放協議,渲染器可以替換和擴展。你可以使用我們的默認樣式,也可以定製自己的主題。你可以添加自定義組件,擴展協議能力。

降低開發門檻,加速 AI 應用落地。 原本需要幾週的開發工作,現在可能只需要幾天。


各行業的應用場景

A2UI 不是隻適用於某一個領域的技術,它是一種通用的交互範式,可以應用於幾乎所有需要人機交互的場景。

金融服務:讓理財更簡單

智能投顧

傳統的投資建議是一份長長的報告,充滿了專業術語和複雜圖表。普通用戶很難理解,更難採取行動。

A2UI 加持的智能投顧:

  • 展示清晰的資產配置餅圖,每個部分可點擊查看詳情
  • 生成「買入」「賣出」「調倉」等操作按鈕,一鍵執行
  • 模擬不同策略的收益曲線,用戶可以滑動時間軸查看
  • 風險提示以醒目的卡片形式展示,確保用戶注意到

貸款申請

傳統流程:填寫長長的紙質表單或跳轉多個網頁。

A2UI 流程:AI 通過對話瞭解需求,逐步生成必要的表單字段(而不是一次性展示幾十個輸入框),自動計算可貸額度,展示還款計劃表格,一鍵提交申請。

賬單查詢

用戶說「我上個月信用卡花了多少」,AI 直接展示:

  • 總消費金額的統計卡片
  • 分類消費的餅圖(餐飲、購物、交通等)
  • 詳細賬單的可展開列表
  • 「導出」「設置提醒」等操作按鈕

醫療健康:讓就醫更便捷

在線問診

傳統在線問診是純文字對話,醫生很難獲取完整信息。

A2UI 加持的問診:

  • AI 生成結構化的症狀選擇器(部位、性質、持續時間)
  • 展示症狀嚴重程度滑塊
  • 支持上傳檢查報告和照片
  • 生成預約檢查的日曆組件
  • 展示藥品信息卡片,包含用法用量

健康管理

用戶說「看看我這週的運動數據」,AI 展示:

  • 每日步數的柱狀圖
  • 心率變化的折線圖
  • 睡眠質量的評分卡片
  • 與目標對比的進度環
  • 「調整目標」「分享成果」等按鈕

用藥提醒

AI 不只是發送文字提醒,而是展示:

  • 藥品圖片和名稱
  • 本次用量和用法
  • 「已服用」「稍後提醒」按鈕
  • 剩餘藥量和補購提醒

教育培訓:讓學習更高效

個性化學習

傳統在線課程的問題是「一刀切」——所有人看同樣的視頻,做同樣的題目。

A2UI 加持的 AI 導師:

  • 根據測試結果生成個性化的知識圖譜(雷達圖)
  • 薄弱環節生成專項練習(可交互的題目卡片)
  • 學習進度用時間線展示
  • 提供「跳過已掌握」「深入學習」等選項

交互式案例

學習商業案例時,AI 生成一個模擬場景:

  • 公司關鍵數據的儀表盤
  • 幾個決策選項的按鈕
  • 點擊後展示決策後果
  • 可以「回溯」嘗試不同選擇
  • 最後生成學習總結和評分

語言學習

AI 生成交互式對話場景:

  • 場景描述卡片(餐廳點餐、機場值機等)
  • 可選的回覆選項
  • 點擊後 AI 繼續對話
  • 實時發音評分
  • 生詞本功能

電商零售:讓購物更愉快

智能導購

用戶說「我想買一臺適合家用的咖啡機」,AI:

  • 先用幾個選擇題了解需求(預算、常喝的咖啡類型、使用頻率)
  • 生成 3-5 款推薦產品的對比卡片
  • 每個卡片包含圖片、價格、關鍵特性、用戶評分
  • 支持添加對比、查看詳情、一鍵購買

售後服務

前面已經詳細描述過退貨流程,這裡補充幾個場景:

安裝預約:展示安裝師傅的日程表,用戶點擊選擇時間,填寫地址,確認預約。

維修報修:生成故障排查嚮導,逐步引導用戶確認問題。如需上門,展示可選時間段。

換貨申請:展示同款其他顏色/尺寸的庫存情況,用戶直接選擇換貨目標。

企業辦公:讓協作更順暢

智能會議助手

會前:AI 生成會議議程卡片,參會人可以添加議題、上傳材料。

會中:實時生成會議紀要,標記待辦事項,支持一鍵分配負責人。

會後:生成任務清單,每個任務可設置截止日期和提醒,支持進度追蹤。

智能審批

傳統審批:郵件來回,附件下載,容易遺漏。

A2UI 審批:

  • 審批內容以結構化卡片展示
  • 關鍵信息高亮
  • 「同意」「駁回」「轉交」按鈕
  • 歷史審批記錄時間線
  • 待審批數量角標提醒

數據報表

這是 A2UI 最典型的應用場景之一:

銷售趨勢折線圖 銷售額柱狀圖 銷售分佈餅圖

以上畫面展示 A2UI 圖表的呈現形式。在支持交互的產品界面中,可以:

  • 懸停查看具體數值
  • 點擊某個數據點深入查看明細
  • 切換時間範圍或篩選條件
  • 導出數據或圖表
  • 用自然語言請求更多分析

政務服務:讓辦事更便利

智能辦事指南

市民說「我想辦理居住證」,AI:

  • 首先確認身份信息和辦理類型
  • 生成所需材料清單(複選框形式,可勾選已準備好的)
  • 展示辦理流程時間線
  • 顯示最近的辦事大廳地圖和預約入口
  • 一鍵預約,生成預約確認卡片

在線申報

傳統的政務表單往往非常複雜,讓市民望而卻步。

A2UI 可以:

  • 根據用戶情況動態顯示需要填寫的字段(而不是顯示全部)
  • 自動關聯已有數據(如身份信息、社保信息)
  • 實時校驗輸入內容
  • 分步驟引導完成
  • 生成申報結果和後續指引

與現有技術的對比

你可能會問:市面上已經有很多「AI + 界面」的解決方案,A2UI 有什麼不同?

與傳統聊天機器人的區別

維度 傳統聊天機器人 A2UI
輸出形式 固定的快捷回覆按鈕 動態生成的豐富界面
靈活性 預設的有限選項 根據上下文無限組合
交互能力 只能選擇預設選項 支持輸入、選擇、拖拽等
開發成本 需要預先設計所有流程 AI 自動生成適合的界面

傳統聊天機器人的「按鈕」是開發者預先設計好的,它們只能處理預想到的場景。而 A2UI 讓 AI 根據用戶的具體需求,動態生成最合適的界面。

與低代碼/無代碼平臺的區別

維度 低代碼平臺 A2UI
界面生成者 人類拖拽配置 AI 自動生成
適用場景 相對固定的業務流程 動態變化的交互需求
靈活程度 在預設模板內靈活 完全根據需求生成
使用門檻 需要學習平臺操作 用自然語言描述即可

低代碼平臺降低了開發門檻,但仍需人類來設計和配置界面。A2UI 更進一步,讓 AI 直接根據需求生成界面,人類只需要表達想要什麼。

與 RPA(機器人流程自動化)的區別

維度 RPA A2UI
工作方式 模擬人類操作現有界面 直接生成新的界面
適用場景 自動化重複性任務 人機交互場景
用戶參與 用戶不參與執行過程 用戶通過界面參與決策
靈活性 按固定腳本執行 根據對話動態調整

RPA 是讓機器人代替人類操作界面;A2UI 是讓 AI 為人類生成界面。兩者解決的是不同的問題,也可以互相配合。


安全性與隱私考慮

引入新技術時,安全性是企業最關心的問題之一。A2UI 在設計時就考慮到了這些方面:

聲明式描述與組件邊界

A2UI 協議採用聲明式數據格式。AI 輸出的是「界面描述」,不是「可執行代碼」。

這意味著:

  • AI 使用預定義的組件類型描述界面,而不是輸出任意代碼
  • 渲染器按協議規範處理組件與交互
  • 任意腳本不屬於 A2UI 組件,不會作為組件由渲染器執行

例如,即使有人試圖讓 AI 輸出惡意腳本,渲染器也不會執行——因為「腳本」不是 A2UI 協議定義的組件類型。

權限控制

A2UI 支持細粒度的權限控制:

  • 可以限制 AI 能使用哪些組件類型
  • 可以限制界面能執行哪些動作
  • 可以在動作執行前加入確認步驟
  • 可以記錄所有用戶操作的審計日誌

例如,在金融場景中,可以配置:交易操作必須二次確認,單筆金額超過閾值需要額外驗證。

數據隔離

A2UI 渲染器可以配置數據訪問範圍:

  • AI 只能獲取用戶授權的數據
  • 敏感數據可以脫敏後展示
  • 支持數據分類分級管理

私有化部署

對於數據安全要求極高的企業,A2UI 完全支持私有化部署:

  • AI 模型可以運行在企業內網
  • 數據不出企業邊界
  • 完全自主可控

實施路徑與建議

如果你對 A2UI 感興趣,想在自己的產品或業務中嘗試,這裡是我們的建議:

第一階段:瞭解和體驗

  1. 瞭解項目:訪問我們的 項目倉庫,瞭解 A2UI 的交互方式
  2. 閱讀文檔:瞭解 A2UI 協議規範和 @zhama/a2ui 渲染器的使用方法
  3. 評估場景:思考你的業務中有哪些場景可以用 A2UI 改善

第二階段:小範圍試點

  1. 選擇試點場景:建議從客服、數據查詢、表單填寫等高頻場景開始
  2. 快速原型:用 @zhama/a2ui 快速搭建原型,驗證可行性
  3. 收集反饋:讓真實用戶試用,收集體驗反饋

第三階段:規模化應用

  1. 架構設計:設計支持 A2UI 的系統架構,考慮性能、安全、可擴展性
  2. 定製開發:根據業務需求定製組件樣式和交互邏輯
  3. 持續優化:基於數據分析持續優化 AI 的界面生成策略

常見問題

Q:需要更換現有的 AI 模型嗎?

不需要。A2UI 是一個協議層,可以與任何支持結構化輸出的 AI 模型配合使用。通過適當的提示工程,GPT-4、Claude 3、Gemini 等主流模型都能輸出 A2UI 格式。

Q:現有的前端代碼需要重寫嗎?

不需要。@zhama/a2ui 是一個獨立的 React 組件,可以嵌入到任何 React 應用中。你可以在現有應用的某個頁面或模塊中引入 A2UI,不影響其他部分。

Q:學習成本高嗎?

前端開發者需要了解渲染器和組件模型;後端開發者需要了解如何讓 AI 輸出 A2UI 格式的數據。

Q:性能如何?

渲染器使用 React 18 構建,面向常規界面場景;對於超大數據量場景,可採用虛擬滾動等優化方案。


為什麼現在是時候?

A2UI 不是憑空出現的概念,它是多項技術成熟後的自然產物。

大語言模型的突破

GPT-4、Claude 3、Gemini 等大語言模型已經能夠:

  • 理解複雜的、多步驟的指令
  • 生成格式嚴謹的結構化輸出(JSON、XML 等)
  • 根據上下文調整輸出內容和格式
  • 處理多輪對話,維持狀態和記憶
  • 理解用戶意圖,而不只是字面意思

這意味著讓 AI 輸出符合 A2UI 協議的界面描述,技術上完全可行。AI 不需要「學習畫界面」——它只需要輸出描述界面的數據,渲染器負責「畫」出來。

前端技術的成熟

React、Vue、Svelte 等現代前端框架的核心思想就是「數據驅動界面」——你給框架一份數據,框架幫你渲染成界面。

這與 A2UI 的理念完美契合。AI 輸出數據,前端框架渲染界面。兩者之間只需要一個「翻譯層」——這就是我們開發的 @zhama/a2ui 渲染器。

同時,Web Components、Shadow DOM 等技術讓組件可以更好地封裝和隔離,這對於將 A2UI 嵌入各種應用非常重要。

用戶期望的提升

經過幾年的 AI 普及,用戶已經習慣了和 AI 對話。但他們也越來越不滿足於「只能對話」。

  • 用戶希望 AI 能幫他們完成任務,而不只是提供信息
  • 用戶希望操作更直接,而不是在多個應用間跳轉
  • 用戶希望交互更自然,像和人溝通一樣
  • 用戶期望 AI 能真正「懂」他們,而不是需要精確的指令

市場需求已經存在,技術條件已經成熟。

A2UI 正是在這個時間點出現,把 AI 能力、前端技術、用戶需求這三者連接起來。


我們在做什麼?

Google 發佈 A2UI 協議時,宣佈官方的 React 渲染器將在 2026 年第一季度發佈。

但我們等不及了。

Zhama AI 團隊在協議發佈後,立即開始了實現工作。我們基於 A2UI 協議規範,開發了首個完整的 React 實現:@zhama/a2ui。

為什麼要搶先實現?

技術驗證

我們相信 A2UI 是正確的方向,但協議能否落地、體驗是否順暢、有沒有隱藏的問題,只有真正實現了才知道。通過實現,我們驗證了協議的可行性,也發現並反饋了一些需要完善的地方。

積累經驗

等到官方渲染器發佈再開始學習,就已經落後了。通過提前實現,我們的團隊深入理解了 A2UI 的設計理念和技術細節,為未來的應用開發積累了寶貴經驗。

服務客戶

我們的客戶有真實的需求——他們希望儘快在自己的產品中使用這項技術。等不是辦法,我們選擇主動出擊。

貢獻社區

開源不僅是分享代碼,更是參與技術發展。通過開源 @zhama/a2ui,我們希望推動 A2UI 生態的發展,讓更多開發者和企業受益。

@zhama/a2ui 的特點

完整實現

實現涵蓋 A2UI 組件類型、數據綁定、事件處理與動作系統。

獨立樣式系統

自帶完整的 CSS 樣式,不依賴 Tailwind 或其他框架。使用 a2- 前綴,避免與宿主應用的樣式衝突。支持自動暗色模式,適配系統偏好。

安全設計

AI 輸出的是聲明式數據,不是可執行代碼。渲染器按預定義組件處理界面,任意腳本不屬於可渲染的組件類型。

高性能

基於 React 18 構建,使用最新的 Concurrent 特性。支持虛擬滾動、懶加載等優化。在大數據量場景下也能保持流暢。

TypeScript 支持

完整的類型定義,提供良好的開發體驗。IDE 智能提示,編譯時類型檢查,減少運行時錯誤。

開源免費

MIT 協議開源,你可以自由使用、修改、分發。我們相信開源能讓技術更好地發展。

我們相信,早一步擁抱新技術,就是早一步獲得競爭優勢。


未來會怎樣?

A2UI 只是開始,它開啟的是一個全新的交互範式。隨著技術發展,我們可能會看到更多令人興奮的變化。

多模態融合

目前 A2UI 主要處理「AI 生成界面 → 用戶點擊操作」這個流程。未來,輸入方式會更加豐富:

  • 語音指令:你說話,AI 調整界面。「把這個圖表放大」「切換到上個月的數據」
  • 手勢操作:在 AR/VR 環境中,用手勢與 AI 生成的界面交互。捏合縮放、揮手翻頁
  • 眼動追蹤:AI 根據你的注視點調整信息展示。你看著哪個數據點,詳情就自動展開
  • 情緒感知:AI 感知你的表情和語氣,自動調整交互方式

界面不再是靜態的,而是根據你的行為實時適應。

個性化極致

現在的應用,同一個功能對所有人展示相同的界面。但每個人的偏好不同——有人喜歡信息密集,有人喜歡簡潔清爽;有人是視覺型,喜歡圖表,有人是文字型,喜歡列表。

有了 AI 生成界面,這種個性化變得可能:

  • 同樣是「查看銷售數據」,分析師看到詳細的多維圖表,CEO 看到一頁簡潔的摘要
  • 界面風格根據用戶偏好自動調整——配色、字號、佈局密度
  • 信息的呈現順序根據用戶的歷史行為優化——常用的功能放在顯眼位置
  • 甚至同一個用戶,在不同場景下看到不同的界面——辦公時簡潔高效,休閒時輕鬆有趣

無代碼開發普及

目前,開發一個應用界面需要專業的設計師和工程師。但如果 AI 能生成界面,那麼:

  • 產品經理用自然語言描述需求,AI 生成可交互原型
  • 創業者不需要技術背景,也能快速驗證想法
  • 企業內部的業務系統,業務人員自己就能定製
  • 普通人也能「開發」自己的專屬工具

產品原型從幾週縮短到幾分鐘,軟件開發的門檻大大降低。

這將釋放巨大的創造力。以前被技術門檻擋在門外的人,現在可以直接把想法變成現實。

人機邊界模糊

最終,「應用」和「AI 對話」的邊界會變得模糊。你可能分不清自己是在「用一個應用」還是在「和 AI 對話」——因為兩者融為一體。

界面即對話,對話即界面。你說的每一句話,都可能改變界面;你的每一次點擊,都是和 AI 的交流。

想像一下:你打開手機,沒有一個個獨立的 App,而是一個統一的 AI 界面。你說「叫個外賣」,界面變成外賣選擇頁面;你說「幫我規劃明天的行程」,界面變成日程安排器;你說「無聊」,界面變成遊戲或內容推薦……

這不是某個「超級 App」的壟斷,而是交互範式的根本改變——界面不再是固定的,而是根據需求動態生成的。


一個思想實驗:2030 年的一天

讓我們做一個思想實驗,想像 A2UI 技術成熟後,普通人的一天可能是什麼樣子:

早晨

你醒來,對著智能音箱說:「今天安排怎麼樣?」

牆上的屏幕亮起,不是顯示一個固定的日程 App,而是 AI 根據今天的具體情況生成的定製界面:

  • 最上方是天氣卡片,今天有雨,AI 自動把「帶傘」加到了待辦提醒
  • 接下來是會議時間線,其中一個會議標紅——因為 AI 發現你還沒有準備彙報材料
  • 右側是交通建議,顯示地鐵和打車的對比,AI 根據天氣和你的習慣推薦打車
  • 底部是一個「快速準備材料」按鈕,點擊後會幫你生成彙報大綱

你說「點打車」,界面沒有跳轉到另一個打車 App,而是直接在當前界面展開打車選項,選擇後自動叫車。

上班路上

在車上,你說「幫我準備一下 10 點的會議」。

車載屏幕顯示會議背景介紹,以及 AI 整理的關鍵數據圖表。你可以用手勢滑動瀏覽,用語音修改內容。

到達公司時,演示文稿已經準備好,自動同步到了會議室的大屏幕。

工作中

在會議上,老闆問「上個季度各區域的對比情況如何?」

你沒有手忙腳亂地找 Excel、做圖表。你只是對著電腦說「顯示 Q3 各區域銷售對比」,屏幕上立即出現一個清晰的柱狀圖,可以點擊查看詳情。

老闆又問「如果華東區增加 20% 投入,預計影響是什麼?」

你說「模擬華東區投入增加 20% 的效果」,圖表自動加入一條虛線,顯示預測結果。

整個過程,你像是在和一個能讀懂心思的助手對話,而不是在操作一個複雜的軟件。

午餐

你說「幫我點個午餐,健康點的」。

屏幕顯示附近餐廳的健康餐選項,根據你的歷史偏好和今天的胃口排序。卡片上顯示熱量、送達時間、評分。

你點擊一個,確認下單。

下午

一個客戶發來郵件,詢問產品技術細節。

你沒有打開郵件 App、查資料、寫回復。你只是說「幫我回復這封郵件,根據產品文檔說明功能」。

AI 生成回覆草稿,以卡片形式展示。你可以點擊修改某些段落,或者說「語氣正式一點」讓 AI 調整。確認後發送。

下班回家

路上,你說「今晚想吃火鍋,幫我規劃一下」。

界面顯示附近火鍋店地圖,點擊某家店,顯示菜品推薦、預約選項、路線導航。你一邊走一邊用語音確認預約。

到家後,你說「今天有點累,找個輕鬆的節目看」。

電視顯示 AI 根據你當前狀態和歷史偏好推薦的內容,不是傳統的分類瀏覽,而是幾個「今晚適合你」的選項卡片。

這意味著什麼?

在這個場景中,你一天可能「使用」了十幾個不同的功能——日程、打車、文檔、數據分析、外賣、郵件、導航、視頻……

但你沒有打開過十幾個 App,沒有學習過十幾套操作方式,沒有在不同界面間反覆切換。

你只是在和一個「懂你」的助手對話,它幫你處理一切,用最合適的界面呈現信息,用最少的步驟完成操作。

這就是 A2UI 最終要實現的願景:讓技術隱形,讓體驗自然。

當然,這個願景不會一夜實現。但每一步——從今天的 A2UI 協議,到渲染器的完善,到生態的建設——都在向這個方向前進。


交互方式的進化史

回顧計算機交互方式的歷史,我們可以發現一個有趣的規律:每一次革命的本質,都是讓計算機更加「適應」人類,而不是讓人類「學習」計算機。

讓我們沿著時間線,看看這個規律如何反覆驗證:

命令行時代(1970s-1980s)

用戶通過輸入文字命令與計算機交互。cd、ls、grep……需要記憶大量命令,門檻極高,只有專業人士能使用。

這個時代的哲學是:人類必須學習計算機的語言。 你想和計算機溝通?先背下這本命令手冊。

但它精確、高效,至今仍是程序員的重要工具——因為對於已經掌握這門「語言」的人來說,它是最直接的表達方式。

圖形界面時代(1980s-2000s)

鼠標、窗口、圖標的出現讓普通人也能使用計算機。「所見即所得」成為設計原則。

這是第一次重大的範式轉換:計算機開始學習人類的思維方式。 文件夾像真的文件夾,回收站像真的垃圾桶,桌面像真的辦公桌。

這催生了個人電腦產業的爆發。1984 年 Macintosh 發佈時,蘋果的廣告語是「為我們其他人準備的電腦」——不是為專家,是為普通人。微軟、蘋果成為巨頭。

Web 時代(1990s-2000s)

瀏覽器成為統一的入口,任何設備都能訪問網頁。超鏈接讓信息不再是線性的,而是網狀的——這更符合人類大腦的聯想方式。

這個時代的突破是:計算機開始適應人類獲取信息的方式。 你不需要知道信息存在哪臺電腦上,點擊鏈接就能到達。

Google 發明了 PageRank 算法,讓搜索結果按「人類會覺得有用」的方式排序。Amazon 發明了「一鍵購買」,減少用戶的操作步驟。Facebook 讓社交網絡數字化。每一次創新,都是讓技術更「懂」人。

移動互聯網時代(2010s)

觸摸屏讓交互更加直觀——你想移動一個圖標?直接用手指拖它。這是人類幾百萬年進化出的本能,無需學習。

應用商店讓軟件分發更加便捷。「隨時隨地」成為常態。

這個時代的突破是:計算機開始適應人類的生活場景。 不是你去找電腦,是電腦跟著你。

智能手機成為人人必備的設備。據統計,2020 年全球智能手機用戶超過 35 億——這是人類歷史上普及最快的技術之一。

對話式 AI 時代(2020s)

ChatGPT 等大語言模型讓人機對話成為可能。這是又一次巨大的飛躍:計算機開始理解人類的自然語言。

你不需要學習任何命令、任何軟件操作。你只需要像和人說話一樣,告訴 AI 你想要什麼。

2022 年 11 月 ChatGPT 發佈,兩個月內用戶突破 1 億。這是互聯網歷史上增長最快的應用。人們突然意識到:和計算機溝通,可以如此簡單。

但這個時代有一個侷限:AI 能聽懂,卻不能動手。它可以告訴你怎麼做,但不能幫你做。這就像有一個博學的顧問,卻沒有一個能幹的助手。

A2UI 時代(2025-)

AI 能夠輸出可交互的界面,真正從「說」到「做」。對話和操作融為一體。

這是交互進化的邏輯終點:計算機不僅理解人類的意圖,還能直接幫人類執行。

技術進化的規律

觀察這段歷史,我們可以總結出幾個規律:

規律一:每一代技術都讓更多人能夠使用計算機

  • 命令行時代:幾萬專業人士
  • 圖形界面時代:幾億辦公白領
  • Web 時代:十幾億網民
  • 移動時代:幾十億智能手機用戶
  • AI 時代:理論上所有能說話的人

用戶規模的擴大,帶來了市場規模的指數級增長。

規律二:每一代技術都降低了「想法」到「執行」的距離

  • 命令行:想法 → 學習命令 → 輸入命令 → 執行
  • 圖形界面:想法 → 找到按鈕 → 點擊 → 執行
  • 觸摸屏:想法 → 直接觸摸 → 執行
  • AI 對話:想法 → 說出來 → AI 告訴你怎麼做 → 自己執行
  • A2UI:想法 → 說出來 → 直接執行

距離越短,體驗越好,效率越高。

規律三:每一代技術革命都誕生了新的巨頭

  • 圖形界面:微軟、蘋果
  • Web:Google、Amazon、Facebook
  • 移動:Apple App Store、Google Play、微信
  • AI:OpenAI、Anthropic……
  • A2UI:會是誰?

這將開啟什麼樣的產業變革?每一次交互方式的革命,都創造了萬億級的市場機會。A2UI 代表的範式轉換,機會可能更大——因為它不是創造一個新平臺,而是讓 AI 能力真正釋放到所有場景中。

我們正在見證,也在參與。


最後

從命令行到圖形界面,從網頁到移動應用,每一次交互方式的革命都創造了巨大的商業價值,誕生了新的科技巨頭。

A2UI 代表的是下一次革命:從「人適應機器」到「機器適應人」。

在這個新範式中:

  • AI 不再只是回答問題的工具,而是能夠理解需求、生成界面、完成操作的智能助手
  • 應用不再是固定的界面流程,而是根據用戶需求動態生成的交互體驗
  • 開發不再是專業工程師的專利,而是人人可參與的創造活動
  • 交互不再是學習軟件操作,而是像與人溝通一樣自然

這不是科幻,這是正在發生的現實。而我們,正站在這場革命的起點。

如果你是開發者——現在是探索 A2UI 的最佳時機。早期採用者將獲得技術積累和經驗優勢。

如果你是企業決策者——考慮在客服、數據分析、業務辦理等場景引入 A2UI,提升用戶體驗和運營效率。

如果你是產品經理——思考 A2UI 將如何改變你的產品形態,提前規劃下一代交互體驗。

如果你是普通用戶——期待吧,更好的 AI 交互體驗正在到來。

想要了解更多或開始使用?訪問我們的 GitHub 倉庫,或者 聯繫我們 討論如何在您的業務中應用這項技術。

未來已來,你準備好了嗎?


本文由 Zhama AI 技術團隊撰寫。我們致力於讓 AI 技術更好地服務於人。

16 個開箱即用的 Tego 模板技能:IT 運維 + 跨境電商,一上線就能跑

Tego OS v3.0.0 一次性補齊了 16 個 Tego 系列模板技能,覆蓋 IT 運維與跨境電商兩條最高頻的產業鏈路。每個技能都附帶可執行 bash 腳本,不是「提示詞模板」,而是真正能跑——本文系統介紹這 16 個技能、對應業務流程,以及與 per_user / 模板治理 / BusinessMonitor 是怎麼聯動的。

微信交流群二維碼 微信公眾號二維碼