简介:本文系统解析Agent"文字+样式卡片"混合输出机制——即生成式UI(Generative UI)的定义、价值与实现路径。读者将理解高质量方案为何不是让模型直接生成HTML,而是通过结构化消息协议连接"内容生成"与"组件渲染",并掌握其核心组成、工作原理、典型场景与选型注意事项。
Agent的文字与卡片混合输出,指的是在同一条智能体会话消息中,同时包含自然语言段落、样式卡片、图标、标签、表格、图表以及交互控件等多种不同渲染形态的输出能力。这种能力通常被称为生成式用户界面(Generative UI),也可理解为Agent驱动的结构化UI。
它的核心特征在于:模型并不直接产出最终视觉界面,而是产出”内容”与”展示意图”,由前端组件负责把内容渲染成不同样式的可视块。一段回答里,普通文字用于叙述与解释,卡片用于结构化呈现某个对象的属性,标签用于分类,分隔线用于视觉分区——它们属于同一条消息,但渲染方式各不相同。
从技术视角看,它是”内容生成”与”界面渲染”的解耦;从使用视角看,它让机器回答更接近人工整理过的图文并茂的文档;从业务视角看,它提升了信息密度与可读性。
传统Agent的输出往往局限于一大段纯文本或轻量标记文本(Markdown),最多附带一个表格。这种输出存在几个典型问题:
混合输出通过引入结构化组件解决了上述问题。它把”一个字符串”升级为”一组有类型的消息块”,使Agent既能保持自然语言的表达力,又能借助卡片、表格、图表等组件提升信息传达效率,并预留交互入口。
整体数据流可概括为:
用户输入 → Agent/LLM理解意图、调用工具、生成内容 → 结构化消息协议(Text/Card/Table/Chart/Action)→ 文本渲染器 / 组件渲染器 → 最终混合界面(文字、卡片、图表、交互控件)。
这里最关键的设计,是让模型输出从”一个字符串”变成”一组有类型的消息块”。例如:
{"blocks": [{ "type": "text", "content": "以下是值得考虑的几款工具:" },{"type": "card","props": {"title": "某IDE集成型AI编程工具","description": "适合在编辑器内完成补全、项目理解与多文件修改","tags": ["IDE场景", "代码补全"]}},{"type": "card","props": {"title": "某终端类Agent编程工具","description": "适合在代码仓库中执行复杂修改、调试与自动化任务","tags": ["终端工作流", "自动化"]}},{ "type": "text", "content": "可根据实际工作流选择合适的一款。" }]}
在这个结构中,text块由文本渲染器处理,card块由卡片组件渲染器处理,各块按数组顺序拼接成完整的混合消息。
整个转换过程可以拆成四步:
第一步,意图理解与内容规划。模型解析用户的自然语言问题,判断需要输出哪些内容,以及每部分内容适合用什么类型承载。例如在推荐多个对象时,优先考虑用卡片并列展示,而非堆叠成一段文字。
第二步,工具调用与数据获取(可选)。若回答需要实时或结构化数据,模型会调用相应工具获取信息,再据此填充内容块。这一步决定了卡片、表格里的字段是否准确。
第三步,生成结构化消息。模型按协议输出消息块数组,每个块包含 type 与 content/props 等字段。协议越规范,模型输出越稳定,前端解析越可靠。
第四步,前端渲染。渲染器遍历消息块,通过组件注册表找到对应组件,注入 props 完成渲染,再按序拼接为最终界面。
整个机制的精髓在于职责分离:模型保证”内容正确、类型选择合理”,前端保证”每种类型渲染一致、样式可控”。二者通过协议衔接,既发挥了大模型的语言理解与生成能力,又保留了工程侧对视觉与安全的主导权。
在实际生产环境中,这类能力通常依托云平台的基础能力稳定运行,例如借助对象存储、消息队列、日志服务、监控告警、身份认证等通用云产品类别来保障数据存取、并发处理与访问安全。在百度智能云等主流云平台上,这些通用能力可按需组合,为生成式UI的落地提供基础设施支撑。
回到定义本身,Agent的文字与卡片混合输出(生成式UI)的本质,是通过结构化协议把”内容生成”与”界面渲染”解耦:模型负责内容与展示意图,前端负责组件渲染,协议作为二者之间的契约。它的价值在于同时兼顾自然语言的表达力与结构化组件的可读性、交互性,适用于多对象对比、结构化数据展示、引导式交互等场景。但在落地时,仍需重点关注协议稳定性、内容安全转义与容错降级等工程问题。理解这一概念,有助于开发者更合理地设计Agent的输出形态,在表达力与可控性之间取得平衡。