Generative UI：当软件从工业化走向智能化
输入“/”快速插入内容
Generative UI：当软件从工业化走向智能化
Generative UI：当软件从工业化走向智能化
飞书用户424211月27日修改
引言
若将时间拨回今年年中，当 Google 发布那份关于《Simulating a neural operating system》的技术报告时，如果你问我对 Generative UI 的看法，我或许会觉得这是一个迷人的技术愿景，却难以触及现实。但站在年末的当下，回望这一年，尤其是目睹了 Gemini 3 等模型所展现出的惊人跃升，我不得不承认，自己之前的看法或许有些保守了。
坦白讲，在 AI 概念层出不穷的当下，保持适度的怀疑是一种美德。确实也不少人冷眼旁观，视 Generative UI 为"代码生成"的旧瓶装新酒；即便是 Google 最近发表的论文，也诚实地揭示了当下的两难困境——用户虽然偏爱千人千面的界面，却难以忍受生成过程中的等待（"Our evaluations indicate that... This evaluation did not take into account generation speed."）。
然而，当我们拨开这些落地层面的迷雾，依然能感受到一种底层的震动。透过这些尚显粗糙的原型，我们似乎窥见了 UI，乃至整个互联网行业诞生以来最根本的一次范式转移。
Generative UI 所蕴含的变革力量，我认为远不止"动态生成一个界面"这么简单。在接下来的篇幅中，我希望跳出单纯的技术视角，尝试从过去我们如何打造互联网服务的维度切入，去探讨它可能带来的颠覆。鉴于其技术原理并不晦涩，本文将简要介绍定义，并以此为契机，静下心来聊聊它到底"意味着什么"。
Generative UI 是什么？
目前 Generative UI 的定义呈现出一个 从严格到宽泛的光谱 。不同组织基于各自的技术能力、应用场景和理解角度，对 Generative UI 有着不同程度的诠释。
Google Research：最本质的定义
在整个光谱中，Google Research 的定义最接近 Generative UI 的本质。在他们的论文《Generative UI: LLMs are Effective UI Generators》中，他们给出了这样的定义：
Generative UI is a powerful capability in which an AI model generates not only content but an entire user experience. Dynamically creates immersive visual experiences and interactive interfaces — such as web pages, games, tools, and applications — that are automatically designed and fully customized in response to any question, instruction, or prompt.
这个定义的核心在于三个关键词： 完全生成（completely generated） 、 实时（on the fly） 、 定制化（fully customized） 。
完全生成 vs 组件组装
Google 强调的是真正的"生成"——从无到有地创造界面，而非从预定义组件库中选择和组合。这是一个根本性的区别：
•
组件组装 ：LLM 从有限的组件集合中选择、排列、配置参数
•
完全生成 ：LLM 直接生成界面的代码和结构，没有预设的组件边界
在实际落地过程中，组件组装的思路因为其可落地性更为工程所偏好，后面会再展开。但完全生成是更加面向未来的。
用户偏好的验证
Google 的评估研究揭示了一个关键发现：
Our evaluations indicate that, when ignoring generation speed, the interfaces from our generative UI implementations are strongly preferred by human raters compared to standard LLM outputs.
这句话有两层含义：第一，完全生成式界面相对语言模型的标准输出（Markdown, Pure Text）确实能带来更好的用户体验；第二，当前的最大瓶颈在于生成速度，而非生成质量。
范式意义
Google 将这个工作定位为"fully AI-generated user experiences"的第一步，其愿景是：
Users automatically get dynamic interfaces tailored to their needs, rather than having to select from an existing catalog of applications.
不是改进现有应用的界面，而是让"应用"这个概念本身变得流动——用户不再需要在 App Store 中寻找和下载工具，而是通过自然语言描述需求，AI 即时生成满足需求的完整交互体验。
其他立场
守序善良：CopilotKit 的系统化分类
CopilotKit 代表了工程实践中的系统化思考。他们定义了三种 Generative UI 类型：
•
声明式 UI（Declarative UI） ：开发者预定义组件和逻辑，LLM 只负责选择和填充数据
•
混合式组装（Hybrid Assembly） ：LLM 可以组合组件并调整布局，但仍在预定义的设计系统内
•
完全生成式（Fully Generative） ：LLM 生成全新的界面代码，最接近 Google 的定义
此外，CopilotKit 还通过 AG-UI 协议 （Agent-UI Protocol）标准化了前端与 Agent 的通信方式，这为 Generative UI 的工程落地提供了具体的技术路径。他们的价值在于：既建立了清晰的概念分类体系，又提供了可落地的工程方案。
守序中立：Vercel AI SDK 的实用主义
Vercel 提出了一个类比： "UI version of function calling" 。
在他们的实现中，UI 组件本质上是函数，LLM 根据应用状态决定调用（渲染）哪个组件。这延续了 Function Calling 的思路，但将调用对象从后端 API 扩展到前端 UI 组件。
这种方法最实用：既保留了开发者的控制权（通过预定义组件），又引入了 LLM 的智能决策（动态选择组件）。对于现有 Web 应用的 AI 化改造，这是阻力最小的路径。