AREX Feed Article
微软研究院发布 Flint-interactive：让 AI 智能体生成可点击、可筛选的交互式图表
北京时间 10 月 23 日凌晨（UTC 时间 10 月 22 日 16 时前后），微软研究院通过官方 X 账号 与发布 Flint-interactive：一门构建在 Flint 之上、用于创建交互式数据可视化的语言。按公告描述，它让 AI 智能体生成的图表可以被读者点击、筛选、缩放，高亮相关内容并跨视图联动，从而探索超出作者最初所选视图的范围。
与 7 月发布的基础版 Flint 所解决的静态图表质量问题不同，这次补上的是交互层。博客描述的机制是：智能体不再手写底层可视化代码，而是用语义事件和更新算子描述“用户做了什么、画布如何响应”，命中测试、渲染更新等低层工作交给 Flint 编译器处理；微软研究院称，此举能提升可靠性、减少开发工作量，避开定制交互可视化常见的布局、渲染与调试问题。公告同时给出、开源仓库与 MCP（Model Context Protocol，模型上下文协议）接入方式，交互能力已可实际安装使用。
交互式图表是智能体生成流程里昂贵的一环
微软研究院在博客中把缺口写得很具体。AI 智能体已经能方便地分析数据、生成带静态图表的报告，但读者想要的是探索：在聊天里直接点击图表、基于所选内容追问，或者让面向客户的智能体生成可探索的可视化。即便调用前沿模型，智能体也很少能在一轮之内生成令人满意的交互式可视化；反复的推理、编码与调试消耗大量 token（词元）和时间。表达力强的交互图表还容易出现糟糕的布局或失灵的交互，而修复过程又可能引入新问题；与此同时，部分可视化库的内置交互表达力不足，做不出定制化的交互图表。博客把根因归结为一点：缺少一门既有表达力、又停留在高层抽象的语言来描述视觉交互。
语义事件加更新算子：编译器接管视觉逻辑
机制的核心是 Flint Canvas——一个跟踪画布交互、管理渲染状态的状态机。Flint-interactive 把交互拆成两层。视觉逻辑由编译器处理：把点击、拖拽、按键等原始触发解析成携带图表元素与数据含义的语义事件，把更新算子翻译成画布上的实际变化，并处理命中测试与低层视觉更新。交互逻辑由用户或智能体在语义层定义：只需把语义事件映射到更新算子，例如 set style 高亮数据、set annotation 标注数据点、set viewport 平移缩放；同一批语义事件也可以用来更新外部表格、部件或应用状态。按博客的说法，用户因此不必逆向渲染逻辑，也不必操作渲染器特定的图形元素（mark）。
博客称，事件生成与视觉更新都是可组合的，同一套模型能把图表与表格、文本、其他图表和部件连接成数据故事与仪表盘。Gapminder 示例演示了一个名为 linked brushing（联动刷选）的预设交互：读者在 1952 年的散点图上框选一批国家，2007 年视图中的同批国家随即同步高亮。
从聊天到仪表盘：三种接入方式
第一条路径是聊天环境。通过 Flint-MCP 与 MCP Apps 按 MCP 设置指南接入后，用户告诉智能体画什么图、要哪些交互；按博客说法，在最新版本中，智能体会在 Flint 图表规格（chart spec）之外同时生成交互规格（interaction_spec），并在对话中渲染可交互图表。用户还可以在图上选中内容，把上下文传给后续对话轮次。
第二条路径是构建交互式应用。应用通过 Flint Interactive Canvas 的事件处理器接收语义事件，用来筛选表格、更新另一张图表或改变应用状态；反过来，应用部件也可以向 Canvas 发送更新算子来控制图表。博客示例中，用户点击 Gapminder 表格中的 United States 行，气泡图中的对应数据点随即高亮，并弹出标注：2007 年美国人均 GDP 42,952 美元、预期寿命 78.2 岁。
第三条路径是定制交互。超出预设的交互通过编程 API 定义触发器（trigger）与自定义处理函数，把语义事件映射为一串图表更新，例如组合 set style 与 set annotation 来高亮并标注被点击的国家。博客给出的 DimpVis 示例中，用户拖动一个城市沿其季节路径移动，五座城市的温度与降水随时间同步变化——西雅图停在 1 月时，右侧面板显示 4.2°C、日降水 5.7 毫米。
基础版 Flint 的三个月铺垫
Flint-interactive 建立在基础版 Flint 之上，后者已有三个多月的公开迭代记录。2026 年 7 月 8 日，微软研究院在中介绍 Flint：一门可视化中间语言，让智能体从简洁、人类可编辑的规格生成精致图表——编译器从数据、语义类型、图表类型与编码中推导刻度、坐标轴、间距、标签等低层设置，同一份规格可编译到 Vega-Lite、Apache ECharts、Chart.js 等后端。开源的更新记录显示，项目在 7 月 13 日至 8 月 12 日间连发 6 个版本：0.4.0 加入 38 种 Plotly 图表类型和 18 种原生可编辑 Excel 图表模板，0.5.0 引入正式主题规范，0.5.1 把主题支持扩展到 Plotly 后端。仓库目前列有 70 余种语义类型（如 Rank、Temperature、Price、Country）、10 套内置主题（如 Economist、Swiss、Pop），后端覆盖 Vega-Lite、ECharts、Chart.js、Plotly 与原生 Excel。
学术侧的对应记录是 arXiv 论文《Flint: A Semantics-Driven Data Visualization Intermediate Language》（），2026 年 7 月 22 日提交，作者为 Yunhai Wang、Kecheng Lu、Junhao Chen、Alper Sarikaya 和 Chenglong Wang。摘要称，Flint 让作者无需显式配置刻度、坐标轴、格式等低层参数，即可从语义驱动的简洁规格生成高质量可视化，对人类作者和 AI 智能体同样适用。7 月博客还报告了微软自己的评估：在 Tidy Tuesdays 测试数据上、以 LLM 自评流水线对比“让模型直接生成完整 Vega-Lite 规格”的基线 DirectVL，Flint 在三个模型上获得更高的 LLM 评审总分（GPT-5.1：16.27 对 15.91；GPT-5-mini：16.16 对 15.60；GPT-4.1：15.91 对 15.34）。Flint 也已被用于驱动微软研究院的 Data Formulator，一个 AI 辅助数据分析与可视化项目。GitHub 仓库注明，Flint 由微软研究院与中国人民大学 IDEAS Lab 合作构建。这些评估针对的是基础版的静态图表生成；交互层自身的评估结果未出现在本次公告材料中。
MIT 许可、npm 包与托管 MCP 服务器已可用
发布形式方面，Flint-interactive 随开源项目 flint-chart 提供，仓库采用 MIT 许可。npm 上有 flint-chart（TypeScript 库）与 flint-chart-mcp（MCP 服务器）两个包；README 还给出托管 MCP 服务器端点 flint.data-formulator.ai/mcp，并列出在 VS Code 的 GitHub Copilot 与 Claude 中的接入示例，处理大数据集时建议改用本地 MCP 服务器。Python 包尚未发布，仓库内只有源码形式的预览版。
博客结尾把入口分给三类人：图表用户按指南在聊天里设置 Flint-MCP，从交互画廊寻找灵感；应用开发者用编程 API 构建仪表盘、数据故事和联动视图，并与编码智能体共享 interaction-author 技能；交互设计者则被邀请探索定制（bespoke）交互示例，设计新交互并做成可复用的预设——在 GitHub 上提议新 preset、分享原型或实现，帮助扩展 Flint 的交互词汇表。