夜雨聆风当AI写的代码比你更好，设计师还“香”吗？
2022年末，我们还在为ChatGPT能生成几行可运行的代码而欢呼雀跃。我们做着“穷人的AI编程”，把代码复制、粘贴、修复、重复。那感觉很棒，但老实说，心里总有个声音：“它写的代码，肯定不如我。”
然而，三年后的今天，AI用实力击碎了这种自矜。当最新的模型能在单次Prompt下，不仅重写你的博客，还自动生成了一个带有模糊动画和辅助功能的搜索框时，我们必须承认一个现实：在写前端代码这件事上，AI已经比绝大多数人类做得更好。
问题不是“能不能”，而是“为什么还没这么做”
既然AI已经如此强大，我们为什么还被困在过去20年的“静态UI”范式里？为什么我们期待的“贾维斯”式漂浮界面仍未出现？
答案在于，我们正处在一个新旧交替的混沌期。正如Andrej Karpathy所比喻的，人工智能是一个“新电脑”，我们虽然可以直接用“终端”（Prompt）与它对话，但真正适配这个新电脑的“图形界面”尚未被发明。我们依然在用老思路使用新工具。
目前，对于“新界面”是什么，业界主要聚焦于两个方向，但都略显局限：
- Chat Everywhere
：每个SaaS产品都试图在你脸上贴一个聊天窗口。这很直接，但显然不是终点，只是一个暂时的过渡方案。
- Super App
：指望一个像ChatGPT或Claude这样的超级应用，通过MCP协议统治所有UI。它把第三方UI都聚合到一个容器里，但这终究是“一个app to rule them all”的旧梦。
这两个选项的核心分歧在于：界面在哪里运行？ 但更关键的问题是：界面是如何生成的？
UI生成的三级火箭：从静态到生成式
目前，AI生成UI正经历三个重要阶段：
- 静态组件式：旧酒装新瓶
这是最常见的方式。AI作为调度员，根据你的意图调用一些预定义的、由开发者写好的UI组件。本质上是将以前服务端发送数据渲染UI的模式，替换成了AI发送参数和指令。例如，Goose工具中的“Auto Visualizer”，就是AI将你的数据匹配到一组预置的图表组件里。这很稳定，也安全，但想象力有限。 
- 声明式UI：在可控中寻求个性化
这是目前最完美的平衡点（比如Vercel的JSON Render）。开发者依然提供一套静态的设计系统组件，但AI不再简单地传递数据，而是生成一个JSON或YAML格式的“UI描述符”。一个渲染引擎解析这个描述符，最终拼装成个性化的界面。这本质上和Netflix为你个性化推荐首页的做法如出一辙——组件是固定的，但布局和内容是动态生成的。它兼顾了设计系统的“一致性”和AI的“灵活性”。
- 生成式组件：挑战“失控”的未来
这才是真正的“AI原生”模式。既然AI写React、写CSS、写JavaScript的能力如此出色，为什么不让它在运行时，为你即时生成全新的代码和组件？
Postman的一个实验性项目正是如此：一个天气AI代理，调用天气API，编一个笑话，然后从头开始生成HTML、CSS和JavaScript，最终呈现出一个随机且充满想象力的天气UI。没有一个预置组件，没有翻译引擎，所有代码都是AI在1秒内创作出来的。
当然，这里的挑战巨大：如何信任这段由大模型生成的随机代码，并将其安全地呈递给用户？ 它需要一个完美的“沙盒”机制来隔离风险。
MCP Apps：生成式UI的“货船”
这正是MCP Apps的价值所在。它天生具备安全的沙箱（默认的双重iframe）、身份认证和消息传递机制，是安全、规模化分发这种“动态生成代码”最理想的载体。有趣的是，连Anthropic都在用MCP来承载其第一方UI功能，这足以证明其潜力。
终极想象：超越组件，走向人机协作的“共享画布”
未来会是Chat，还是Super App？坦白说，没人知道答案。
但显而易见的未来，比如“贾维斯”式的漂浮窗口，可能又太过“显而易见”。我们正处于一个类似电视诞生初期的“收音机时代”。最初的电视节目只是“加了摄像头的广播剧”，因为我们根本无法想象这个新媒介能带来什么。
因此，真正的未来很可能不是把界面“做好”然后扔给你，而是让AI成为一个与你共同创作的伙伴。
去看看 Excalidraw MCP 这个工具吧。它生成的不是一张静态的图表，而是一个“共享画布”。你可以在上面画，AI也可以在上面画。你可以跟它说“把这部分改一下”，它马上动笔；你也可以自己手动调整它生成的元素。
这才是“新电脑”的真正界面：一个动态的、可协作的、完全个性化的生成式UI空间。 在这里，AI不再是背后的工具，而是与你并肩工作的合作者。我们今天的想象力，还远远触及不到它的边界。但方向已经很清晰：未来的交互，是一次人类与AI在共享画布上的共创。
Source: https://www.youtube.com/watch?v=hCMrEfPG2Yg
