新上线17天前130 投票
将 Markdown 转化为生成式 UI 的协议：一个探索性原型
随着生成式 UI 和 AI 代理代码执行成为热点，如何将它们整合成一个功能完整的架构？一位开发者构建了一个原型，提出以 Markdown 作为协议，在一个流中同时传输文本、可执行代码和数据，实现流式执行。
核心理念：Markdown 作为统一协议
该原型基于三个核心想法：
- Markdown 作为协议：利用 LLM 已熟知的 Markdown 语法，在一个流中承载文本、代码和数据，无需额外学习新格式。
- 流式执行：代理编写并执行代码，每个语句在完成后立即执行，无需等待完整响应。
- mount() 原语：一个函数，允许代理创建响应式 UI，并建立客户端-服务器-LLM 之间的数据流模式。
协议设计：三种块类型
开发者定义了三种 Markdown 块类型，以区分不同内容：
- 文本块：使用普通 Markdown 格式，直接流式传输给用户。
- 代码块：以 ````tsx agent.run` 开头，在服务器上的持久化上下文中执行。
- 数据块：以 ````json agent.data => "id"` 开头，将数据流式传输到 UI 中。
这种设计允许 LLM 在单个响应中任意交错输出文本、代码和数据，解析器能随着令牌到达增量处理。语法天然可扩展，如需新块类型，只需添加新的围栏标题。
反馈循环：console.log 作为代理自对话机制
反馈循环简洁高效：
- LLM 生成包含代码块的 Markdown。
- 文本流式传输给用户，代码在服务器上增量执行。
console.*输出和异常作为新回合反馈给 LLM。
这形成了一个闭环，使代理能基于执行结果调整后续行为。
行业背景与意义
在 AI 代理快速发展的背景下，该原型探索了生成式 UI 的可行架构。它避免了为 LLM 设计新协议的复杂性，直接利用现有 Markdown 知识，降低了实现门槛。流式执行和统一协议可能为动态、交互式 AI 应用提供新思路，尤其是在需要实时代码生成和数据流的场景中。
然而，这仍是一个早期原型，实际应用中需考虑安全性、性能扩展和错误处理等挑战。开源代码库可供社区进一步实验和迭代。
