生成式 UI 与 LLM as Backend：一场关于 AI 原生应用未来的深度对谈
2025 年 11 月 27 日，WaytoAGI 社区「晚八点共学」邀请 AOE Founder 谭少卿与 Chat Memo 产品作者、Agent 工程师一泽，围绕生成式 UI 的实践探索、大模型作为软件后端（LLM as Backend）的趋势，以及交互方式的演进展开了一场深度对谈。这场分享适合 AI 产品经理、创业者、Agent 开发者以及对 AI 原生应用形态感兴趣的读者。
用象棋游戏实测模型推理边界
谭少卿开场分享了一个他用 Claude 改造的象棋战棋游戏，这个案例被他反复用来测试当前模型的真实推理能力。他解释，如果用 AI coding 处理常规交互和模块，模型通常写得很快；但一旦设计或逻辑上存在反常识的东西，模型就会频繁出错，需要反复指导修正。
这个象棋游戏在传统规则上增加了趣味性地形：湖泊、山地等。例如，马跳时遇到山地可能蹩腿，但遇到河反而能跳过去——因为「刘备的马也能马跃檀溪」；工兵则可以顶掉地形改变局面。谭少卿指出，模型会「非常强地受预训练数据的影响」，由于预训练数据里没有这些奇奇怪怪的规则，它「会非常严重地受到象棋本身的规则一些东西的影响」，导致马腿的特殊性规则长期没有被遵循，历史记录里纠正了非常多次。
更激进的是，这个游戏背后没有真实的传统后端，所有驱动逻辑都以 AI agent 角度实现。推荐功能接了大模型能力加一堆 MCP 或工具化搞定；游戏还加了 AI 解说功能，生成文字的同时调用 Google 的语音模型生成语音。
谭少卿由此提出核心观点：传统应用拆成前端界面、数据流、业务逻辑三层，「这三层都是可以被 AI 本身驱动的」，他称之为 LLM as a Backend。「我觉得这是一个必然的趋势，而且随着能力的增强是会越来越体现得出来。」尽管目前还有很多问题，但已经可用，延迟等技术问题都可以被解决。他也提醒，模型依然存在边界条件，「至少在现在为止的话，黑盒门 in the Loop 还是一个比较好的解决方案」。
生成式 UI 的价值：长尾需求与功能可见性
一泽从生成式 UI 的对话式实时生成联想到某大厂一个被毙掉的 ToC 产品——一个国民级蓝色入口的「小什么」。他原本很看好这个方向：用户办理个体工商户业务时，需要在「这里办」等应用里层层深入找入口；如果有一个统一对话入口，用生成式 UI（哪怕只是弱生成）把按钮和信息直接呈现在对话里，用户就能更快完成交付。比如订机票，不想去飞猪里点，直接在 chat 界面说清楚时间和班次，返回几班后点两下确认就好，「能少很多跳转」。
谭少卿认为这类产品对大厂来说非常难做：「你涉及到非常高度的产品设计，然后你的工程能力跟模型的一个协同，同时还包括你商务上的一些协同，你如果没有完全背靠背的这种团队，其实是很难去做的。」他还指出，AI 时代创业团队的分工角色不再清晰，每个人都被 AI 加成，这与大厂「画格子的管理方式」天然相违背。
一泽补充，对 B 端产品而言，在原有产品里塞一个 agent 对话入口，用生成式 UI 作为功能入口指引，价值已经足够——「很多软件其实入口错综复杂，非常的深，但如果用生成式的 UI，它其实是可以去避开这些前端之前积累的比较差的逻辑的一些技术债」。
谭少卿从移动互联网时代的产品理念出发强调功能可见性：「如果你的功能不能被用户看到，它其实对用户来说就是不存在的。」他举例，很多软件都能做拍证件照，但「最美证件照」这类垂直应用依然存在，因为名字简单直接，用户直观就能想到。社区共创的「出国点餐一条龙」名字土，但「从功能的角度来讲就是用户一搜它就能搜得到」。
生成式 UI 的另一个好处是挖掘隐性需求。谭少卿分享了一个亲身案例：某天熬夜后头疼，在系统里说了一句「我头疼」，系统生成一个页面，先教 478 呼吸法和按摩方法，再问几个问题判断可能原因，点击不同原因后 agent 会继续交互判断严重程度，如果确实严重，还会生成一张就诊单。「你发给大夫的时候，你就有一个特别好的单子发给他了。」但一开始他并不会想到头疼背后有这么多关联的东西。一泽也指出，聊天框作为功能入口能收集用户更泛的输入，通过语义分析可以知道产品还有哪些功能没被满足。
交互演进：从物理开关到多模态自然交互
谭少卿回顾了交互方式的演进历程：机械时代掰开关、打孔纸时代的 Fortran 语言、命令行时代的 Lisp 语言（伴随 Linux 和键盘的出现）、GUI 时代（乔布斯引入的桌面、文件夹、回收站等物理世界隐喻），再到 ChatGPT 推向极致的 CUI 自然语言交互。他特别提到，Windows XP 内置扫雷和扑克牌，「本质上就是为了教会大家怎么去点鼠标、点左键、点右键」——习以为常的操作在最开始也需要教育用户。
谭少卿认为，每一代交互都因底层硬件和技术变革而离人本身更近，技术才能被更大规模的人使用。未来应该是多模态自然交互，且从被动响应走向主动服务。
他提出一个关键概念——语言与现实的维度不对称性：描述一个苹果涉及生物学分类、光学表现、美学表现等无数维度，「几页纸都写不完」，但平时只说「这是一个苹果」。纯自然语言交互因此存在交互效率和解读困难的双重困境。由此推断：「用 GUI 的确定性，承接 CUI 的自由度，让 AI 听得懂又做得对，这个事是当前一个比较好的解法。」
他把当前各种交互方式放进一个坐标系（纵轴为生成，横轴为主动）：物理交互和命令行交互在左下角，图形界面在中间，自然语言加 canvas 在靠上位置，而他提出的纯生成的预建 UI 则放在右上角——「既然 AI 这么擅长写代码，那就让它写代码生成界面就好」。
谭少卿还谈到 AI 产品设计中的一个平衡难题：产品要求线性可控，但智能本身是非线性的。就像象棋游戏里「PRD 都给你了」，模型还是打不到预期位置。如果有一个图形界面把背后的东西更好地呈现给用户，就能更好地干预它，而不是只能通过对话或无法选择背后逻辑的图形化方式。
现场问答
问：怎么定义生成式 UI？
谭少卿：之前文章里有明确的定义，是一个系列。5 月在 2050 大会上也分享过，链接可以发到群里，飞书专栏里也能找到。
问：怎么联系两位老师？
WaytoAGI-鹏影：进入 waytoagi 网站，点击直达飞书知识库，在搜索栏搜索「少卿」可以看到个人专栏页，里面收录了很多文章；搜索「一泽」可以看到个人专栏和个人主页。稍后也会把两位老师的微信二维码贴到社区。一泽补充：全网同名，微信直接搜「一泽 Eze」也可以。
要点回顾
- LLM as Backend：前端界面、数据流、业务逻辑三层都可以由 AI 驱动，这是谭少卿提出的必然趋势，但当前仍需「黑盒门 in the Loop」作为兜底方案。
- 模型推理边界：用带个性化规则的象棋游戏实测，模型受预训练数据影响严重，反常识规则需要反复纠正，不能指望一份 PRD 就搞定。
- 生成式 UI 的核心价值：解决隐性、长尾的个性化需求，带来超预期体验；同时提升功能可见性，让用户「看到」功能。
- 大厂做不好、创业公司不赚钱：生成式 UI 类产品需要产品设计、工程能力、模型协同、商务协同高度配合，与大厂管理方式天然相违背。
- 交互演进方向：从物理交互到命令行、GUI、CUI，每一代都离人更近；未来是多模态自然交互，从被动响应走向主动服务。
- GUI 与 CUI 整合：语言与现实存在维度不对称性，纯自然语言交互有效率和解读双重困境；用 GUI 的确定性承接 CUI 的自由度是当前最佳解法。
- 产品设计平衡：AI 产品需要在「线性可控」与「非线性智能」之间找到平衡，图形化呈现背后逻辑有助于用户干预。
直播回放约 55 分钟
播放器来自飞书妙记 · 在新窗口打开