AI智能体画图不再只给静态图：Flint-interactive把点击、缩放和联动交给编译器
核心概要
AI智能体生成的数据可视化通常停在静态图上，读者想缩放细节、跨图比较或在图表与正文之间联动时，只能靠反复写底层代码并调试。Flint-interactive在Flint之上增加了一层交互语言，让用户或智能体用高层语义事件和更新算子描述行为，由Flint编译器把点击、拖拽、按键解析成识别图表元素与数据的语义事件，再翻译成画布更新。这样交互逻辑与视觉逻辑分开，同一套模型还能把图表与表格、文本、其他图表和控件连接起来，用于仪表盘和数据故事。
深度剖析
AI智能体生成的数据可视化现在可以带交互：读者能点击、筛选、缩放、高亮，并让一张图的操作带动另一张图或文档中的相关内容。 此前的做法是让智能体直接写底层可视化代码，或者依赖可视化库自带的交互，而后者不足以做出定制的交互图表。 这一能力建立在Flint已有的编译器之上，交互规格与Flint图表规格一起生成，并在对话或画布中渲染出来。
交互的写法从操作渲染器细节变成描述语义：用户说明什么事件触发什么更新，其余交给编译器。 过去要自己反推渲染逻辑、直接操作渲染器特有的图元，布局和交互容易出错，修复时还可能引入新问题。 Flint Canvas作为状态机跟踪画布上的用户交互并管理渲染状态，编译器负责命中测试和底层视觉更新，用户则把语义事件映射到设置样式、设置标注、设置视口等更新算子。
启示与展望
这套语言面向在对话或画布中生成图表的智能体、构建仪表盘与数据故事的开发者，以及设计交互预设的设计者。材料给出的使用路径包括通过Flint-MCP与MCP Apps在聊天中生成交互规格，通过Flint Interactive Canvas在应用中处理语义事件和发送更新算子，以及用编程API定义触发器和自定义处理函数。材料还邀请设计者把新交互做成可复用预设并在GitHub上提出。
材料指出，即便使用能力强的前沿模型，智能体也很少一轮就产出令人满意的交互可视化，反复推理、编码和调试会消耗token与时间；表达力强的交互图表也容易出现布局不佳或交互损坏。材料将这些困难归因于缺少一种既有表达力又高层的交互描述语言，但未给出量化评测。