Generative UI
Generative UI 指 AI model 不只輸出文字或 markdown，而是依使用者 prompt 即時產生完整互動介面，例如網頁、工具、模擬器、遊戲或任務型 app。Google Research 這篇文章把它定位成從「固定 app catalog」轉向「每個問題都有客製互動介面」的產品形態，並已在 Gemini app dynamic view 與 Google Search AI Mode 中實驗。agent-experience agent-event-streaming-format
實作模式
Google 的實作以 Gemini 3 Pro 為核心，外加三個 harness：工具存取、詳細 system instructions、post-processing。工具層提供 image generation、web search 等能力；指令層描述目標、planning、範例、技術規格與常見錯誤；後處理層修正常見輸出問題。這表示 generative UI 不是單純「讓模型吐 HTML」，而是 model + tools + instruction contract + output repair 的產品 harness。harness-engineering-for-ai-coding model-harness-fit
評估與限制
文章用 PAGEN dataset 與人類偏好評估比較 generative UI、人類專家網站、搜尋結果、raw text 與標準 markdown。結果顯示人類專家網站偏好最高，generative UI 緊接其後，且明顯優於標準 LLM 輸出；但評估沒有納入生成速度，文章也承認目前可能需要一分鐘以上且仍會出現不準確。這個限制提醒：若要把 generative UI 放進生產工作流，仍需要 latency budget、sandbox、verification 與 fallback。eval-is-spec agent-sandbox-architecture
Design-first coding agent 的產品化變體
BusinessNext 對 Claude Code /design 早期預覽的整理，提供 generative UI 的另一種落點：模型先產生多張可編輯的 UI 畫板，人類挑選／修改後再交給 coding agent 實作。它不是 Google Research 那種依每個 prompt 直接產生完整任務介面，而是把生成介面當成 implementation-before artifact，用來降低文字描述 UI 與反覆重做的成本。
這個變體的驗證重點也不同：要確認畫板能否保存成 repository／PR 可審查的資產、能否載入既有 design system，以及實作結果是否能對照畫板回修。由於來源仍是 early preview，這些能力尚未獲得穩定性證據；目前應把它視為 agent-experience 與 loop-engineering 的設計輸入，不是完整的 UI correctness gate。
和 Agent Experience 的關係
Generative UI 是 agent-experience 的人類可視化補面：AX 讓工具、API、CLI 對 agent 可操作；generative UI 則讓 agent / model 根據任務即時產生人類可理解、可操作的介面。和 agent-event-streaming-format 相比，AG-UI / A2UI 偏向「事件或元件描述如何被前端渲染」，Google 這篇偏向「模型直接產生完整互動體驗」；兩者都把 AI 產品從聊天框推向 task-specific interface。
對 AI Ark 的判準
監測到「AI 介面」或「agent UI」來源時，不應只看畫面是否新奇，而要問四件事：模型是否能穩定生成可用介面、工具與資料是否有明確邊界、輸出是否可被驗證與修復、失敗時是否能退回文字／固定 UI。Ponytail 版結論：不要先建通用 UI 生成框架；等同一類任務反覆需要客製互動介面，再把 generative UI 納入 harness。