AI agent 整圖表又亂又難改?Microsoft Flint 想用語意規格執返正
Tech News

AI agent 整圖表又亂又難改?Microsoft Flint 想用語意規格執返正

圖片:via iThome — https://www.ithome.com.tw/news/177236
TechLab 編輯部(譯)·

同一份 Flint 規格可輸出 Vega-Lite、ECharts 同 Chart.js

Flint 要解決嘅係點樣易改同易維護

iThome 報道,Microsoft Research 開源咗 Flint,一個畀 AI agent 用嘅視覺化中介語言。講白啲,佢唔係又一套新圖表 UI,而係想避免 agent 直接吐一大段 Vega-Lite、ECharts 或 Chart.js 設定,結果日期 parse 錯、色階亂揀、label 疊埋一齊,改少少又爆另一邊。Flint 嘅玩法係先用短身、可人手修改嘅規格講清楚 data 欄位意思同想畫咩圖,再交畀 compiler 補返底層細節。

Flint 產生嘅多款圖表展示,包括折線圖、熱力圖、地圖同 Sankey 圖

圖片:Microsoft Research

語意規格先係重點

Microsoft Research 官方 blog 講,Flint 會用 semantic type 去標示欄位意思,例如時間、價格、百分比、國家、排名、利潤呢類概念。呢層幾關鍵,因為 AI agent 好多時估到「revenue」大概係金額,「month」大概係時間,但要佢同時寫啱日期格式、axis、legend、color scale、layout,錯位機會即刻高好多。Flint 將呢啲低層設定交畀 compiler 推斷,agent 主要負責講意圖,人再睇得明同改得到。

Flint 將短身規格編譯成 Vega-Lite 規格,再 render 成熱力圖嘅示意

圖片:Microsoft Research

一份規格,三邊輸出

官方 GitHub README 寫明,flint-chart 而家係 JavaScript / TypeScript library,可以將同一份 Flint input 轉成 Vega-Lite、Apache ECharts 或 Chart.js 原生規格;另有 flint-chart-mcp,畀支援 MCP 嘅 coding 或 chat 環境叫 agent 建立、驗證同 render 圖表。對做內部 dashboard、月報、BI prototype 嘅 team 來講,呢點幾實際:你未必想每次都迫 agent 由零寫死某一套圖表 library,尤其前端最後用邊套,往往係產品 stack 決定。

Flint MCP 示範畫面,AI agent 喺聊天介面入面生成互動圖表

圖片:Microsoft GitHub

對 dashboard team 有咩用

Flint 最啱睇成「agent 同圖表 library 中間嘅翻譯層」。香港公司做內部數據工具,好多時需求好碎:營運想睇地區收入,finance 想睇按月差異,管理層又想放入 report。用一般 prompt 叫 agent 生圖,第一版可能有樣,但維護麻煩;用 Flint 呢類語意規格,data analyst 可以改欄位 mapping,developer 可以換 backend,designer 或產品人至少睇得明圖表意圖喺邊。佢嘅價值唔係保證畫得靚過人手寫,而係令 AI 生出嚟嘅圖表設定冇咁難接手。

暫時唔好當成熟產品

要潑少少冷水:Flint 而家係 Microsoft Research 開源項目,GitHub 顯示授權係 MIT,首個 release 喺 2026 年 6 月底,官方亦寫明 Python package 未出,Python port 只係 source-only preview,研究論文仲話 coming soon。Microsoft Research blog 提到佢哋用 LLM judge 比較 Flint 同直接產生完整 Vega-Lite 規格,Flint 喺 GPT-5.1、GPT-5-mini 同 GPT-4.1 三組分數都高少少;呢個係有參考價值,但唔等於已證明可以穩陣處理你公司所有 production chart。

下一步睇 agent 會唔會真係用得順

Flint 有趣嘅地方,係佢冇再叫大家「寫好啲 prompt」,而係承認圖表設定本身太多瑣碎決定,交晒畀 LLM 直接撞其實唔聰明。下一步要睇嘅,係 Flint 嘅 chart type、semantic type 同 backend 覆蓋夠唔夠闊,MCP server 喺真實 coding 環境入面會唔會減少返工。做 data app、BI、報告自動化或者 AI coding agent 工具嘅人,可以試,但暫時應該當成可評估嘅技術層,唔好未試就放入核心 production pipeline。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook