快速、可靠的 A2UI,支持可替换的推理格式

溪行者AI 前沿📡 BestBlogs·AI高分精选⭐ 892026-10-28916 阅读💛 47 收藏
快速、可靠的 A2UI,支持可替换的推理格式

📌 One-Sentence Summary

Google 推出 A2UI Express,一种类 Python 的新推理格式,可将生成式 UI 的 token 用量降低 3 倍、延迟最多降低 3 倍,并展示了 Jev 等决策模型如何为已知屏幕原型实现 80 倍更快的布局选择。

📝 Summary

文章宣布为 A2UI(Agent-to-UI,智能体到 UI)引入可替换的推理格式,这是一种面向智能体驱动界面的开放协议。新的默认格式 A2UI Express 采用简洁的 Python 风格语法(每行一条语句、位置参数、以变量名作为组件 ID),相比 Direct JSON 可将 token 数量最多减少 3 倍,同时保持完整的表达能力。在 gemini-3.5-flash 上针对 51 个任务的基准测试显示,即使在关闭思考模式的情况下,Express 的准确率也与 Direct JSON 持平,从而实现更快的推理。对于具有预定义布局的屏幕(设置、结账、确认),文章演示了使用 Jev 进行受控生成——Jev 是来自 TypeSafe 的 System One 决策模型,可在 100–300 ms 内回答结构化布局问题;一个示例项目(Apparite)可在 0.8–1.7 s 内渲染完整屏幕。A2UI Agent SDK(Python、TypeScript、Dart)通过一个工厂参数支持 Express,SkillGenerator 可以教会任何模型为给定的组件目录编写 Express。开发者还可以接入自定义 DSL。文章包含代码片段、评估图表,以及规范、SDK 和 Jev2ui 示例仓库的链接。

💡 Main Points

A2UI Express 是一种新的推理格式,相比 Direct JSON 可将 token 用量减少约 3 倍,延迟最多降低 3 倍。

Express 采用类 Python 的按行组织语法,每一行将一个组件赋值给一个变量(该变量即成为组件 ID),参数按照目录 schema 以位置方式传入,数据绑定和事件使用紧凑标记($/ 表示数据模型,Event() 表示动作)。SDK 会将 Express 编译为经过校验的 A2UI JSON 传输消息,因此目录和渲染器保持不变。

可替换的推理格式将模型输出语法与 A2UI 传输协议解耦,使开发者能够为每种用例选择最佳格式。

生成器接受 inference_format_factory 参数(例如 ExpressFormatFactory)。SDK 会根据目录的 JSON schema 自动生成提示词片段和编译器,确保该格式无法描述目录之外的组件或属性。自定义 DSL 只需提供提示词生成器和到 A2UI 消息的转换器。

像 Jev 这样的决策模型(System One)可为具有已知原型的屏幕实现约 80 倍更快的布局决策。

Jev 可在 100–300 ms 内以校准概率回答成批的类型化问题(Choice、Noul、Score)。Apparite(jev2ui)项目演示了一条语法驱动的流水线:一次 Jev 请求解决约 30 个布局问题,代码在约 200 ms 内构建组件树,小型文本模型(gemini-3.5-flash-lite)流式生成文案。在 11 个提示词中,屏幕在 0.8–1.7 s 内完成,且所有运行均产出有效的 A2UI。

评估方法在 51 个任务上比较了四种推理格式(Direct JSON、Express、Atom、Elemental),并分别开启和关闭思考模式。

即使在禁用思考的情况下,Express 的准确率也与 Direct JSON 持平,并实现了最快的推理时间。Atom(Lisp 风格 S 表达式)和 Elemental(自定义 HTML 元素)也经过了测试,但未被选为默认格式。评估基线和规范已发布在 A2UI 仓库中。

实践采用路径:安装 Python 或 TypeScript SDK,传入 ExpressFormatFactory,在关闭思考模式下运行模型,并可选地从目录生成模型技能。

SkillGenerator 会生成一套技能集(每个目录组件对应一项技能),教会任何具备技能能力的模型编写 Express。对于受控生成,开发者可以克隆 jev2ui 示例,定义一份包含引用块问题和项目符号选项的 Markdown 语法,并将 Jev 决策接入 A2UI 组件组装。

💬 Key Quotes

我们听到了大家对 A2UI 和生成式 UI 体验速度的担忧:人们要等待模型逐个生成每个屏幕。

使用我们新的 A2UI Express 作为推理格式,你可以将延迟最多降低 3 倍;而使用 Jev 等决策模型来做布局决策,最多可降低 80 倍。

与 Direct JSON 相比,Express 生成同类 UI 所需的 token 最多可减少 3 倍。

推理格式由两部分组成,SDK 会根据你目录的 JSON schema 生成这两部分。一个提示词部分教会模型该格式的语法,一个编译器将模型的回复编译为经过校验的 A2UI 消息。

受控生成只能产出其语法所描述的布局。Apparite 的语法覆盖九种屏幕原型和十二种区块,因此对于没有已知形态的屏幕,Express 是更合适的选择。

📊 Article Meta

AI Screening: 89

Source: Google Developers Blog

Author: Vishal Motwani, Google A2UI Team

Category: 人工智能

Language: 英文

Read Time: 8 min

Word Count: 1829

Tags:

AI 与智能应用 , AI 工作流 , AI 编程 , AI 工程 , AI Agent

#AI 与智能应用# AI 工作流# AI 编程# AI 工程# AI Agent

文章评论(12)

蓝归舟19 天前

实话,说的不明不白

回复
石佳琪19 天前

楼主辛苦了,内容很有参考价值。

回复
雪影19 天前

刚好最近在找这方面的资料,太及时了。

回复
蓝归舟19 天前

点赞,必须点赞

回复
山问津19 天前

整理得太全面了,省了我不少时间。

回复
蓝归舟19 天前

有没有更详细的教程,期待后续。

回复
石佳琪19 天前

不错不错,已加入书签。

回复
晨沐雨19 天前

楼主辛苦了,内容很有参考价值。

回复
墨沐雨19 天前

楼主辛苦了,内容很有参考价值。

回复
雪影19 天前

作者写得真不错,学到了不少。

回复
雪知秋19 天前

这篇文章分析得很透彻,收藏了!

回复
三分糖去冰19 天前

看完了,收获满满,期待更多更新。

回复