Natively Adaptive Interfaces
Natively Adaptive Interfaces（NAI）是 Google Research 提出的 accessibility-first 介面框架：介面不再是固定導覽與事後外掛輔具，而是由 multimodal AI 與 agent-driven modules 依使用者能力、情境與偏好即時調整。它把 generative-ui 的「動態產生介面」推向無障礙場景，也把 agent-experience 的可近用性類比從 agent 工具設計拉回人類使用者。
核心主張
Google 的主張是，數位產品常有 accessibility gap：新功能先發布，assistive layer 之後才補上。NAI 反過來把 accessibility 設成原生架構，用「Nothing About Us Without Us」的共同設計流程，讓身心障礙社群從一開始參與需求、原型與驗證，而不是等產品完成後再被測試。
Agent 架構模式
文章的 web readability 原型使用 central Orchestrator 作為閱讀管理者，維持文件與使用者狀態，再把任務委派給專門 sub-agents：summarization agent 負責拆解複雜文件，settings agent 動態調整文字縮放等 UI。這和 agent-teams-vs-dynamic-workflows 的差異在於：NAI 的 agent 分工不是為了提高自動化吞吐，而是降低使用者找功能、調設定與理解內容的 cognitive load。
多模態與互動式輔助
NAI 的關鍵不是「把畫面念出來」，而是讓使用者能以語音、視覺與文字互動查詢情境。StreetReaderAI 讓盲人或低視能使用者詢問剛經過的公車站位置；Multimodal Agent Video Player 先離線建立 dense visual index，再用 RAG 在播放中回答「角色穿什麼」等問題；Grammar Laboratory 則用 ASL 影片、字幕、口說與文字轉錄支援雙語學習。這些例子共同指向一個 personal-general-ai-assistant 判準：好的個人 agent 要能保留情境、允許追問，並把輔助從被動描述變成主動探索。
對 AI Ark 的判準
監測 accessibility / agent UI 來源時，不必先開大型「AI 無障礙」專案；先問三件事：是否有共設計證據、是否把 accessibility 做成原生 agent / multimodal harness、是否能產生 curb-cut effect（極端限制下的設計也改善一般使用者體驗）。若只是產品宣稱支援語音或字幕，暫不收錄；若提出可重用的 adaptive interface 架構、evaluation 或 deployment pattern，才進入 ingest。