研究 Agent Gen UI ，发现几个值得学习的宝藏开源项目

最近在研究 Agent 的交互式 UI，分享一下我是怎么引导式学习的。

最早是看到 OpenAI 这篇文章，介绍 GPT-6 和 Intelligent UI：

https://openai.com/zh-Hans-CN/index/gpt-6-for-everyone/

现在 ChatGPT 网页端的体验确实不错啊，已经使用一段时间了。

特别是交互式点击、选项选择、带入下一轮对话，还有图表、图片、图标等内容，整体阅读体验提升了一大截。

流程图

交互式表单

带图的列表

今天又发现 ZCode 也支持 Gen UI 了。

顺着源码继续研究，发现它有完整的 visualize Skill，还有专门的 UI_PLUGIN.md 文档，讲清楚了 Gen UI 和 UI Plugin 怎么选，以及如何操作画布、读取状态、修改元素。

没想到又挖到一个惊喜：open-intelligent-ui。

这个项目就是开源复现 ChatGPT Intelligent UI 体验的，基于 OpenUI 实现了交互组件、图表、地图等能力，还能自己部署、修改和扩展。

完整源码值得学习一下。

另外，DSH 生态里也有 dsh-genui 可以研究。

如果你想给自己的 Agent 加上 Gen UI，其实有好几条路可以走。

我的建议是参考 ZCode 的 Skill 和实现，基于 pi agent 做扩展，或者直接研究 dsh-genui 进行二次开发，都值得尝试一把。

我平时还有一种玩法，就是把多个开源项目拉出来，让 Agent 对比源码，看看各自的实现思路、状态管理、渲染机制和安全边界，再取长补短。

比如把 ZCode Gen UI 和 dsh-genui 放在一起研究，看看哪些设计值得借鉴，哪些能力可以组合起来。

1 + 1 大于 2，这种玩法我经常用，总能发现一些新的思路哈哈😄，比如 dsh genui 就是这么找出来的。

还有一个习惯，就是继续深挖几层。

比如它们和 ChatGPT Intelligent UI 有什么区别？能力边界在哪里？如果要二次开发，哪些值得做，哪些可以直接复用？

最后补一份完整的调研证据链，我总感觉这种经过调研的结论相对于普通问答更好，找因果证据链本身就是逻辑性比较强的探索方式。

有了 Agent 之后，这种多项目交叉研究方便了很多。分享一下这个思路，大家也可以试试。