夜雨聆风学习资料网

ARTICLE · 1364137

当 Agent 能改你的文档和数据库: 界面要怎么让人看得见、拦得住、撤得回

当 Agent 能改你的文档和数据库: 界面要怎么让人看得见、拦得住、撤得回

Univer 解决了“文件可以被 Agent 安全地改”——有命令、有快照、有撤销。但只要用户看不见它改了什么,这套能力就等于关灯作业。真正缺的是界面这一层:让人实时监督、就地编辑、按需批准。AG-UI 正在补这一层。

一、三个协议各管一段,视界这一段刚补上

MCP 给 Agent 工具,A2A 让 Agent 之间通信,AG-UI 把 Agent 带进用户界面。这个分工写得很清楚,也说明了一件常被忽略的事:工具协议解决“能不能做”,交互协议解决“人怎么介入”。

AG-UI 的定义很轻:一个开放的、基于事件的协议,约 16 种标准事件类型,运行在 SSE、WebSocket 或 webhook 之上。它不规定 Agent 怎么想,只规定 Agent 做事的过程中,向前端发出哪些事件。

这个“过程”很关键。传统接口是请求-响应,用户提交完等待;AG-UI 是事件流,Agent 每一步都在往外报。

二、能看见动作,才谈得上监督

工具调用在 AG-UI 里不是一条“调用完成”的通知,而是一串事件:

ToolCallStart → ToolCallArgs(多次,delta 流式)→ ToolCallEnd → ToolCallResult

参数是边生成边推送的,每一段是一个 delta,前端按顺序拼起来才是完整参数。这个设计有个直接的产品后果:用户可以在参数还没拼完的时候就看到“它准备改 A1:D4”,而不是等它改完再来一句“已完成”。

监督的价值全在这个时间差里。等结果出来再展示,用户能做的只有接受或者重来。

生命周期事件同样在服务这件事。RunStarted、StepStarted/StepFinished、RunFinished 或 RunError——一次任务被切成可观察的步骤,界面才可能显示“正在做第 3 步,共 7 步”,也才有地方挂一个暂停按钮。

三、状态同步:快照加增量,恰好对上文档的变更模型

AG-UI 用一套快照加增量的机制同步状态:StateSnapshot 发全量,StateDelta 用 JSON Patch(RFC 6902)发差异,需要重新对齐时再发一次快照。

为什么不一直发全量?因为表格几千个单元格、文档几十页,每次都全量重传,带宽和渲染都撑不住。为什么不只发增量?因为连接断一次,前端就丢了基线,后面所有 patch 都无处可施。

这个模式和 Univer 的 mutation 是同一个思路的两种语言:都不传“改完之后长什么样”,而是传“改了什么”。Univer 里是序列化的 mutation,AG-UI 里是 JSON Patch。前者能被撤销系统消费,后者能被前端状态树消费。

两边接口对得这么齐,不是巧合。只要 Agent 的动作是“变更描述”而不是“最终结果”,它就能同时被记录、被重放、被撤销、被界面渲染。这是整个产品化的地基。

四、编辑:用户改的不该只是文字

AG-UI 支持双向状态同步:Agent 改 shared state,用户也能改,双方看得见对方。但放到表格上,这个抽象立刻不够用。

用户想改的不是 state.draft.total 这个字段,是 B2 这格的数字,或者 D4 那条公式。他需要看到合并单元格的边界、格式、条件格式的颜色,需要知道改这格会牵动哪几行。

“共享状态”是给聊天型应用准备的抽象,业务文档需要的是领域对象。这正是 Univer Facade API 的位置:FWorkbook、FWorksheet、FRange。

两个协议拼起来,界面才成立:AG-UI 负责把“Agent 要动哪里”变成可观察事件,Univer 负责把“动哪里”落成真实对象。缺任何一个,用户看到的都是一句含糊的“我帮你改好了”。

五、批准:粒度选错,等于没有

Human-in-the-loop 被列成 AG-UI 的一项能力,但产品设计上真正难的是回答一个问题:批准什么粒度?

两种极端都不行。整个 run 结束才批准,太晚——二十步操作已经执行完了,用户只能选择接受或全部回滚。每个工具调用都弹窗,太吵——一次任务二三十个调用,用户三天后就会点“全部允许”然后再也不看。

可用的做法是按可逆性和影响范围分级:

级别
动作例子
界面处理
可静默
读取、查询、预览计算
进操作流,不打断
需可见
改单元格、改公式、插入行
高亮变更位置,可单条撤销
需确认
删除区域、改结构、写数据库
弹出待批准队列,展示前后值
需双人
发布、付款、权限变更
独立审批记录,不可自我批准

这套分级和前面聊 Skill 工程化时是同一个逻辑:不是所有自动化都该交给模型决定,也不是所有操作都值得让人停下来。分级的依据不是“AI 可不可信”,是这一刀切下去还能不能收回来。

六、一个能用的界面长什么样

把上面几节落成具体布局,大概是三块:

文档本体在中间,可编辑。Agent 的改动高亮显示,悬停能看原值。用户随时可以自己动手,不必先“退出 AI 模式”。

操作流在侧边,一条一条。每条对应一次 mutation 或一次 tool call:改了什么、从什么改成什么、什么时候、哪个步骤。点一条,文档跳到对应位置并高亮。

待批准队列在顶部或浮层。只放需要确认的那几条,其余不打扰。

这个界面的核心交互不是聊天,是操作流和文档对象之间的双向定位。用户点日志跳到单元格,点单元格回溯到是哪一步改的它。有了这条链,监督才从“看一段总结”变成“查一份记录”。

七、三种典型失败

只有结果,没有过程。用户看到“已为你完成优化”,不知道动了哪 14 个单元格。想核对就得自己逐格对比。

有过程,没有对象。日志写着 update_cell,但没说哪张表哪一格。事件是有了,可用户无法把它映射回自己认识的东西。

有对象,没有撤销。用户明明看见改错了,却只能手动改回去——因为动作没有走命令系统,没有反向 mutation。看见但拦不住,比看不见更让人恼火。

三条对应的正是三层能力:事件流、领域绑定、可撤销的命令。分别属于 AG-UI、Facade API、命令系统。

八、判断

产品界面不会变成“一个大聊天框”。Agent 越能做事,界面越要像带操作审计的编辑器——主体仍然是文件和业务对象,AI 是叠加在上面的一个可观察、可干预的图层。

协议这一层基本够用了。AG-UI 的十六种事件、MCP 的工具、A2A 的协作,拼图已经齐了。缺的是领域绑定:表格要绑到单元格和公式,数据库要绑到具体的表和行,审批流程要绑到节点。没有这层绑定,事件流只是一串用户看不懂的技术日志。

还有一点容易被漏掉:Agent 的能力上限由模型决定,可用性上限由“用户能不能低成本否决”决定。一个改得再准的 Agent,如果用户每次都要花五分钟核对,团队就不会让它碰真表。

让 Agent 能改表,是能力问题;

让人敢让它改表,是界面问题。

后者才决定这套东西能不能进业务。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料