1. 为什么我们不能只靠 Markdown？

目前的 Agent 交互虽然火热，但实际上体验极其割裂。

绝大多数 Chatbot（包括 ChatGPT）的交互只停留在 “文本 + Markdown” 的阶段。你要订票，它给你吐一段文字；你要看报表，它给你画个 ASCII 表格或者静态图片。虽然有了 Function Calling，但那是给后端用的，前端展示依然匮乏。

直接让 LLM 生成 HTML/JS 代码？在生产环境这是绝对禁忌。除了难以控制的幻觉，还有致命的 XSS 安全隐患。你不敢把 LLM 生成的