2026年8月10日作者：Lei阅读 --

澄清正在长出界面：当 Agent 递给你一张网页

用 superpowers 工作流时，Claude Code 会起一个本地页面让你点选确认细节——这不是插件作者的小聪明。同一个动作正在四层同时发生：工具层（AskUserQuestion）、协议层（MCP elicitation → MCP Apps → AG-UI）、生成层（Google Generative UI）、研究层（五篇澄清策略 arXiv）。本文给出第一性解释（界面化打的是人的应答成本，不是 agent 的提问能力）、收敛度判断和三个预见，收束成一条「确认带宽定律」。

我最近在 Claude Code 里跑 superpowers 的工作流，走到需求澄清那一步时，它没有在终端里问我问题——它起了一个本地服务，浏览器里弹出一张页面，把布局草稿、配色选项、组件方案排成卡片让我点选。我第一反应是”这插件真花哨”。查完资料之后我改了判断：这不是花哨，这是一个正在收敛的趋势的前哨。同一个动作——把”和人确认”从聊天文本升级成结构化界面——过去一年在工具层、协议层、生成层、研究层同时发生。这篇讲清楚：为什么偏偏是”澄清”这一步长出了界面，它会往哪走，以及哪些部分我认为是趋势、哪些还是泡沫。

一、先看事实：同一个动作在四层同时发生

先把观察对象说死。我遇到的那个东西叫 Visual Companion，是 superpowers 插件 brainstorming（澄清）阶段的可选功能：Claude 生成一个临时 HTML 页面并在浏览器打开，把设计方案的候选项可视化，人选完它再动手写码（DataCamp 的评测称之为”在写出正确代码之前，先消灭『为错误设计写出正确代码』”）。superpowers 是 Claude Code 生态里最流行的插件之一，它的整个方法论我之前写过一篇：《从提示词到工作制度》——澄清页面只是它”把工作上下文结构化”哲学的最新延伸。

如果只有这一个插件这么干，那是作者品味。但把镜头拉远，四层证据摆在一起：

工具层——澄清从自由文本变成官方内置的选择题。 Claude Code 在 v2.0.21（2025 年 10 月）加入了 AskUserQuestion 工具：模型执行中遇到意图不明时，暂停并弹出结构化多选题（带”Recommended”标记、支持自定义输入、限时自动关闭），而不是猜一个假设继续跑。注意这是模型可以主动调用的工具，不是 UI 皮肤——“问人”第一次成了和”读文件""跑命令”并列的一等动作。

协议层——澄清界面被写进跨厂商标准，而且升级了两次。 这条线最能说明收敛：

2025-06-18，MCP 规范新增 elicitation：服务器可以发 elicitation/create 请求，附带 JSON Schema，客户端渲染成表单让用户填，用户可拒绝可取消。这是表单级澄清入协议。
2025-11-21，Anthropic 和 OpenAI 联署提出 MCP Apps 扩展（SEP-1865），与 MCP-UI 社区（Ido Salomon、Liad Yosef）合作：引入 ui:// 资源、沙箱 iframe 渲染、界面与对话双向通信。这是网页级澄清入协议。2026 年 1 月它成为 MCP 首个官方扩展，Claude、ChatGPT、VS Code Copilot、Cursor 等都在支持矩阵里；2026-07-28 的规范版本把它并入扩展框架。两个直接竞争的公司为”agent 给人递界面”联署同一份标准——这种事在收敛度判断里权重极高。
同期还有第三条协议线 AG-UI：事件流协议（约 16 种标准事件类型，SSE 传输），定位是 agent 栈的”第三支柱”——MCP 管 agent 连工具，A2A 管 agent 连 agent，AG-UI 管 agent 连人，human-in-the-loop 审批是它的头号场景，AWS、微软 Agent Framework 都已接入。

生成层——界面本身开始按需生成。 2025-11-18，Google 在 Gemini 3 上线 Generative UI：对任意 prompt 现场生成完整交互界面（配套论文标题就叫 “Generative UI: LLMs are Effective UI Generators”）。Jakob Nielsen 的分析给了一个我认为比 demo 更重要的定性：软件界面从”造一次服务百万人的资产”变成”为单次上下文生成、用完即弃的一次性软件（ephemeral software）“。superpowers 那张临时 HTML 页面，就是一次性软件的手工版。

研究层——“何时问、怎么问”正在从直觉变成可优化的目标函数。 2024 年的 Learning to Ask（arXiv:2409.00557）先把问题定住：真实用户指令充满缺信息、指代模糊、包含错误、超出工具能力四类噪声，并造了 NoisyToolBench 来测 agent 该不该问。2026 年这条线密集加速：ClarEval（arXiv:2603.00187）直接批评现行评测在奖励”猜”——理想化 benchmark 里蒙对意图就得分，压根不考察对齐对话能力；RegretBench（arXiv:2607.21143）把澄清形式化为序贯决策问题（要不要问、问什么、何时停、何时答），用 regret 度量澄清策略的损失；arXiv:2606.03135 干脆给澄清问题设计了信息增益奖励（用贝叶斯信念向真实目标的更新量给问题定价）拿去做训练；arXiv:2606.19559 把 agent 的不确定性拆解成”行动置信度”和”请求不确定性”两个可分别测量的量。

四层拼起来是一条完整传导链：研究层回答何时问，工具层给出问的动作,协议层统一问的载体，生成层让载体本身可以现场制造。

timeline
    title 澄清界面化的收敛时间线
    1999 : Horvitz 混合主动性原则<br>打断人要算期望效用
    2025-06 : MCP 规范新增 elicitation<br>表单级澄清入协议
    2025-10 : Claude Code v2.0.21<br>内置 AskUserQuestion 选择题
    2025-11 : MCP Apps 提案 SEP-1865<br>Anthropic 与 OpenAI 联署 : Google Generative UI<br>界面按需生成上线 Gemini
    2026-01 : MCP Apps 成为<br>MCP 首个官方扩展
    2026-07 : MCP Apps 并入规范扩展框架<br>工作流层实践普及

二、为什么偏偏是”澄清”这一步长出界面

功能罗列不解释任何东西，值得问的是：agent loop 里有那么多步骤，为什么界面偏偏从”澄清确认”这一步长出来？

因为澄清是整条 loop 里人机信息不对称最大的一点。 Agent 读代码、跑测试、查日志，这些步骤它掌握的信息不比人少；唯独”你到底想要什么”，信息 100% 在人脑子里，模型只能靠猜或者问。猜错的代价随 agent 自主性水涨船高——它一次跑得越久、动的文件越多，一个错误假设污染的下游工作就越多。这正是 ClarEval 抨击”奖励猜”的原因：猜在 benchmark 里是免费的，在生产里不是。

而”问”也有代价。这笔账 1999 年就有人算过：Eric Horvitz 在 CHI’99 的混合主动性界面原则里给出了框架——系统在”自动行动”与”询问用户”之间应该按期望效用选择，其中打断用户的注意力成本是不等式里的显式项。用今天的话翻译：

\text{问} \succ \text{猜} \iff P(\text{猜错}) \times C_{\text{返工}} > C_{\text{打断}} + C_{\text{应答}}

（这是我对 Horvitz 期望效用框架在 agent 场景下的改写，不是原文公式。）

这个不等式里藏着整个趋势的第一性解释。模型能力提升会缓慢压低 $P(\text{猜错})$ ；agent 自主性提升会快速推高 $C_{\text{返工}}$ ；而界面化攻击的是右边两项——

选择题（AskUserQuestion）把 $C_{\text{应答}}$ 从”组织一段自然语言”压到”按一下键”；
表单（elicitation）把多轮追问压缩成一次结构化填写；
网页 mockup（Visual Companion / MCP Apps）把”在脑内想象设计再用文字描述偏好”压到”看见三个方案，点一个”——对视觉决策，这是几十倍的应答成本差。

所以我的核心判断是：澄清界面化的真正目的不是让 agent 更会问，而是把人的应答成本打到足够低，让”该问”的区间变宽。 右边越便宜，不等式在越多场景下成立，agent 就能在更多本来只能靠猜的地方选择问。界面不是装饰，是给 Horvitz 不等式的右侧做参数优化。

反过来这也解释了为什么纯文本澄清没有成为终局：文本是一条低带宽串行通道，问三个问题就要三轮往返，每轮都全额支付打断成本；一张页面把 N 个决策点并行铺开，打断一次，收回全部答案。

三、一次澄清的解剖：载体谱系怎么选

把上面的分析落成工程视角，一次澄清动作会经过这样的流水线：

flowchart TD
    A[模型侦测意图不确定性] --> B{值得打断吗<br>期望效用判断}
    B -->|否| G[按最优猜测继续执行]
    B -->|是| C{决策的形态}
    C -->|开放探索| D1[自由文本追问]
    C -->|有限选项| D2[选择题<br>AskUserQuestion]
    C -->|字段明确| D3[结构化表单<br>MCP elicitation]
    C -->|视觉或多维方案| D4[临时网页<br>Visual Companion / MCP Apps]
    D1 --> E[人应答]
    D2 --> E
    D3 --> E
    D4 --> E
    E --> F[结构化答案回流上下文]
    F --> G

四种载体不是替代关系，是按”决策形态 × 应答成本”分工的谱系——这里用灰度思维给一张选型表：

澄清载体	应答成本	表达带宽	适用决策	代表实现	不适用
自由文本	高（组织语言）	低、串行	开放式探索，选项无法枚举	所有 chat	选项其实可枚举时——浪费人
选择题	极低（按键）	中	3–4 个可枚举分支的路线决策	AskUserQuestion	需要看见才能判断的视觉决策
结构化表单	低	中（并行字段）	字段明确的参数收集	MCP elicitation	探索期——字段还没定义出来
临时网页	低（点选）	高（视觉并行）	设计方案、布局、多维对比	Visual Companion、MCP Apps、Generative UI	一句话能说清的事——杀鸡用牛刀

注意最后一列：不是所有澄清都该界面化。“要不要我顺手把这个 typo 修了”弹一张网页是灾难。界面化有自己的固定成本（生成、渲染、切换窗口的注意力迁移），只有当决策密度够高（一次页面收回多个答案）或表达带宽差距够大（视觉方案）时才划算。这就是 Horvitz 不等式的另一面——右边的 $C_{\text{打断}}$ 里，弹网页比行内选择题贵。

四、收敛度判断：哪些已成定局，哪些还在赌

按决策地图系列的口径（存在论文讲清原理 + 多家生产系统落成默认组件 = 收敛），对这个趋势分层打分：

层	收敛度	判据
工具层：结构化提问成为 agent 一等动作	✅ 收敛	AskUserQuestion 官方内置且默认开启；plan mode 协同；社区已在此之上建工作流
协议层：澄清/确认界面的标准载体	✅ 收敛	MCP elicitation 入规范一年余；MCP Apps 由两家直接竞争的厂商联署并落为首个官方扩展，客户端支持矩阵横跨 Claude/ChatGPT/Copilot/Cursor
生成层：界面按需生成、用完即弃	⚠️ 半收敛	Google 有论文有产品，人类评估者偏好显著；但怀疑派指出复杂真实任务中结构性和一致性会崩，生产级案例还少
策略层：何时问、问什么的最优策略	❌ 未收敛	benchmark 三个月内出了一批（ClarEval、RegretBench 等），reward 设计还在论文阶段，没有一家的”打断策略”成为公认默认

这张表也是对”这是不是趋势”最诚实的回答：载体已经收敛（问什么形式），策略远未收敛（何时该问）。 前者可以放心抄，后者值得盯住论文流。

五、三个预见

以下是观点和推断，不是已发生的事实——按我的置信度从高到低排。

预见一：确认界面会向不可逆边界聚集（置信度高）

门禁篇的结论是：门禁应该设在不可逆性跃迁的边界上。澄清界面就是门禁的人机形态——那么它的分布也会遵循同一条定律：部署确认、数据变更、对外发信、花钱下单这些不可逆动作前，将标配一张 agent 生成的确认 surface；而可逆动作（改个本地文件）的确认会越来越少，直接做了靠 diff 回看兜底。今天的雏形已经在了：Claude Code 的权限提示是最简版，MCP Apps 的沙箱 iframe 是标准版。推断的依据是两条已收敛定律的交集，所以置信度高。

预见二：聊天框退位为入口，一次性界面成为耗材——并制造新的验证真空（置信度中）

“对话式 UI 取代一切界面”喊了三年，我认为正在发生的是它的反面：对话负责路由，界面负责决策。聊天框退化为万能入口，一旦进入具体决策，agent 现场生成一张恰好适配这个决策的一次性界面，用完即弃。Nielsen 说的 ephemeral software 意味着界面从资产变成耗材——没有版本、没有测试、没有设计评审。

这直接把前端三条战线的问题推进一步：当界面由 agent 现场生成、只活五分钟，谁来保证它没把选项标签写反、没把”确认删除”和”取消”摆反位置？这是独立验证真空的界面版——生成澄清界面的 agent 和依赖澄清结果行动的 agent 是同一个，界面错了，人点得再准也是在错误的选项集里选。我猜测（未验证）会出现”确认界面的 lint/静态检查”这类工具生态位：对一次性界面做毫秒级的结构校验（选项与后续动作的绑定是否一致、危险操作是否有二次确认），就像今天对生成代码跑类型检查一样。

预见三：澄清将成为被评测、被训练的一等能力（置信度中高）

RegretBench 把澄清形式化为策略，信息增益 reward 把它变成训练目标——沿着评测系列的逻辑推：下一步就是澄清质量进入模型评测的常规科目，再下一步进入产品的路由决策（哪个模型更会在恰当时机问恰当问题，就把高歧义任务路由给它）。间接证据是厂商行为：Anthropic 把 AskUserQuestion 做成默认开启的内置工具，等于在生产流量里收集”问 vs 猜”的真实偏好数据——这正是把能力从工具层下沉到模型层的标准前奏（类比：工具调用先有 ReAct 式 prompt hack，再有 function calling 微调）。这一句是我的推断，Anthropic 没有公开说过这个意图。

反方观点：澄清疲劳是真实的

绿灯思维，接住最强的反对：AskUserQuestion 上线两天就有用户开 issue 要求关掉它——理由是被锁进线性多选流程，失去了自由度。这个抱怨完全成立：对高技能用户，打断成本高于平均；对定义清晰的任务，任何问题都是噪声。 Generative UI 的怀疑派同样有理：demo 里的界面是精选的，真实复杂任务里生成的界面会在结构性上露馅。

但注意这两个反对攻击的都是策略层（何时问、给谁问、问多少）——恰恰是上表里 ❌ 未收敛的那层——而不是载体层。“它问得太多太笨”和”问的时候该用界面”是两个独立命题。Horvitz 的框架早就容纳了这个反对：打断成本因人因时而变，所以策略必须个性化、上下文敏感。澄清疲劳不会杀死澄清界面，它会逼出更好的打断策略——就像通知疲劳没有杀死推送，杀死的是无差别推送。

六、元规律：确认带宽定律

控制面迁移史那篇的主线是：每次控制面迁移都拿确定性换能力，然后人类立刻在新的一层重建确定性。澄清界面就是这个循环的最新一站——agent 拿走了执行的控制权，人类在”意图传输”这一层重建控制，而且用的是比源代码时代带宽更高的载体。

收束成一条可复用的定律：

确认带宽定律：agent 自主性每升一级，人机边界上就会在「意图不确定性 × 行动不可逆性」最大的点长出确认界面；界面演进的方向不是让 agent 问得更多，而是让人的单位应答成本更低——应答越便宜，agent 敢于自主的半径反而越大。

最后一句是这条定律最反直觉的推论：更多的确认界面不是自主性的倒退，是自主性的前提。 刹车做得越好，车才敢开得越快。

带走的东西	一句话
事实	澄清界面化已走完 hack→官方工具→跨厂商协议的收敛链，载体层已收敛
解释	界面化优化的是 Horvitz 不等式右侧：人的应答成本，不是 agent 的提问能力
选型	按决策形态选载体：可枚举→选择题，字段明确→表单，视觉多维→临时网页
预见	确认界面向不可逆边界聚集；对话路由+一次性界面决策；澄清进评测科目
风险	策略层未收敛：澄清疲劳真实存在；一次性界面有验证真空

诚实的提醒

本文所有产品行为、日期、规范条目均来自当日检索核实的公开来源（正文带链），但我没有亲手复现其中任何数字：Nielsen 的”90% 用户偏好生成界面”、各论文的 benchmark 分数、superpowers 的 star 数（教程称约 24.8 万，二手来源）都属”核实过的来源”档而非”亲手测出”档。
“确认带宽定律”和三个预见是我的推断，置信度已逐条标注；Horvitz 不等式的写法是我的改写，原文是效用理论表述。
成本最低的亲手验证实验（约一小时）：写一个 20 行的最小 skill，让 agent 在动手改代码前把 2–3 个候选方案渲染成单文件 HTML（选项按钮把选择写进本地 JSON），在同一个中等歧义任务上跑两遍——一遍纯文本澄清、一遍页面澄清——数两个数字：澄清轮次和返工次数。这能让你亲手摸到”应答成本”这个变量，也正是流畅错觉那篇立下的账本规矩。

参考来源

工程实践

论文