随着大模型能力提升，用户开始以自然语言表达“想做什么”，UI 也逐步成为模型参与生成的结果。但在真实业务中，问题并不在“能否生成”，而在“如何长期稳定运行”，模型推理成本高、输出结构不稳定、直接生成代码难以治理，使生成式 UI 面临工程化与规模化挑战。

本次分享将围绕“生成能力如何进入工程体系”这一核心问题，结合 AI 搜索应用场景的实践，介绍基于协议的UI 表达方式、统一的解析与组件体系，以及代码直出的生成式UI自动化产线，分享实际踩坑经验与取舍思考，探讨生成式 UI 的可控性与工程回报率。

演讲提纲

1. 引言

• AI 应用形态的变化
• UI 从静态到“被生成”

2. AI 搜索应用中的 UI 工程实践

• 业务中遇到了什么问题？
• 面向模型的 UI 协议设计（Markdown 扩展 + JSON）
• 渲染与组件体系的工程落地

3. 生成式 UI 自动化产线的工程探索

• 为什么选择代码直出
• 代码直出的现实挑战
• 自动化产线的工程设计
• 规模化下的质量保障

4. 总结

您认为，这样的技术在实践过程中有哪些痛点？

• 协议与 DSL 是约束，也是门槛
• 生成能力 vs 稳定性：越自由，越难兜底

演讲亮点

• 从工程视角拆解生成式 UI 的工程成本与可控性问题
• 分享 AI 搜索应用下协议生成及代码直出两种路径的真实落地经验

听众收益

• 理解生成式 UI 在真实业务中的工程成本与边界
• 掌握如何设计“可被模型生成且可控”的 UI 表达与工程体系
• 获得生成式系统在规模化过程中真实踩坑经验与解决思路