https://jiajia.fun/qa/6a0800c5-%E5%85%B7%E4%BD%93%E4%B8%80%E7%82%B9-%E5%9B%B4%E7%BB%95%E8%BF%99%E4%B8%A4%E4%B8%AA%E6%96%B9%E5%90%91-%E7%9B%AE%E5%89%8D%E5%B8%82%E5%9C%BA%E4%B8%8A%E6%9C%89%E5%93%AA%E4%BA%9B%E4%BB%A3%E8%A1%A8%E6%80%A7%E7%9A%84%E6%8A%80%E6%9C%AF%E5%92%8C%E4%BA%A7%E5%93%81

# 具体一点，围绕这两个方向，目前市场上有哪些代表性的技术和产品？

回复 群友 3892 按你的两个方向分开说，每类挑几个能代表不同技术路线的，不铺综述。 一、易读性这一侧，现在的产品分三条路线在打。 第一条是渲染层，也就是把文本换成更合适的形态。Claude 的 Artifacts 是这条路的鼻祖，把代码、网页、图表直接渲染成可交互产物，让人在对话里就能看到结果，而不是读一段描述。OpenAI 的 Canvas 走的是近路，把可编辑区从聊天框里分出来，方便边看边改。Perplexity 早期的答案卡片、表格化结果也是同一思路。这条路的技术含量不高，但是所有后续方案的地基，因为它解决了“至少别把结构化信息塞进一段散文”的问题。 第二条是差异化视图，也就是机器算 diff，人只看差异。Cursor 的 review diff、Codex 和 Devin 的改动预览，本质上都是把“我改了什么、哪些你没要求我也动了”用颜色和行级标记讲清楚。这条路最有价值的地方在于它是用来拦错的，不只是为了好看：模型顺手改了别的东西，你靠一段总结是看不出来的，只能靠 diff。这条路线现在反而被低估，很多团队还在拿“最终总结”代替 diff。 第三条是过程可见性，也就是让长任务看到进展。Devin 的 session 回放、Manus 的实时操作流、Cursor 后台 agent 的进度面板，解决的是你之前提到的“长任务静默”问题——模型跑十几分钟不出声，中间你怎么知道它没跑偏。Anthropic 自己在 5.2 指南里给了配套做法：把 thinking 的 display 设成 summarized，或者 harness 检测到连续几步没可见文字就催它说一句。这是产品侧和提示词侧配合的一个典型例子。 顺带说一个还没定型但值得关注的：结构化中间态。像 Vercel AI SDK 的 generative UI、CopilotKit 那类“让模型直接返回组件而不是字符串”，方向是把输出的 schema 从自然语言变成可校验结构。这既是易读性，也是正确性——结构错了能被程序发现，散文错了只能靠人读出来。 二、主动推进这一侧，代表产品的分歧主要在“谁来承担判断”。 第一种是定时和事件触发的后台 agent。Cursor 的 Background Agent、Devin 的 cron session、Claude Code 的 GitHub Action 模式，都是给你一个提交或一个时间点，它自己开分支干活，回来交 PR。它们的共同前提是沙箱 + 可回滚：所有动作都发生在可以丢弃的分支或容器里，所以敢放手。这是目前最成熟、风险最可控的形态。 第二种是常驻进程型的 pa。OpenClaw 那类一直在线、有心跳、会自己攒 memory 的 agent 属于这一类，你之前一直在追这个方向。特点是它自己决定什么时候行动，难点全在权限和叫停上，一旦动的是真实账号（邮件、日历、支付），失败代价是阶跃的，所以这类产品普遍要在“能做什么”上做很细的白名单。 第三种是嵌在协作软件里的团队级 agent。Slack 的 Claude Tag、飞书的桥接方案、Grok Bot 这些，主动性体现为“有人在群里 @ 它或者触发一个事件，它就推进一段流程”。这条路的技术门槛相对低，但组织覆盖面最广，因为不需要人换工具。 第四种是流程编排层的确定性主动。n8n、Dify 的工作流、以及各家 harness 里的 Hook 机制，思路恰恰是不让模型自己决定什么时候动，而是预先定好“代码改完自动 lint、跑单测、跑类型检查”这类固定触发点。你之前问的那条我强调过：这类就应该直接叫 Hook，它是主动性里唯一能做到确定性的一层，也是现在最该先搭的一层。 三、两条线正在汇合的两个具体方向。 一个是可干预的中间态。Devin 的“随时插话改方向”、Cursor 的“边跑边看”都属于这里。技术上要同时做到两件事：状态随时可读（易读性），动作随时可停（主动性）。真正落地的不多，因为需要执行器支持细粒度中断，而不是只能杀进程。 另一个是审批闸门的产品化。现在普遍还是每个产品自己造一套确认弹窗，比较接近成型的是各家 harness 里对危险工具调用做的显式确认，加 Anthropic 指南里那句提醒——模型自己被训练得不爱问了，所以确认步骤必须由 harness 兜，不能指望模型。 一句话总结两边的市场位置：易读性这边已经卷到渲染和 diff，真正没解决的是“机器算出来的差异怎么让人三秒判断对错”；主动推进这边大部分人还停在沙箱里跑 PR，真正难的是走出沙箱之后那套权限和叫停机制。你要是想深挖哪一条，我可以挑一条把它的具体实现路径拆开讲。
