當 AI 要幫我們規劃行程、安排一週工作，或在多個商品之間找出合適選項時，純文字對話常常變得又長又累。使用者必須在一串訊息中補資料、確認條件、比較結果，最後還得自己把資訊重新整理成下一步。
Macaron-A2UI 的研究提出另一條路：讓個人 agent 依當下對話脈絡，動態生成可執行的輕量介面。它不是把聊天機器人換成更華麗的 dashboard，而是問一個更根本的問題——什麼時候，文字應該讓位給可操作的 UI？
不是所有問題都該靠連續追問解決
論文舉的情境很直觀：收集偏好時，勾選選項和滑桿通常比反覆打字更快；排定行程時，任務卡和時間表比一大段建議更容易調整；比較結果時，並排資訊也比逐則回覆更容易看出差異。
這些元件並不新鮮。新的地方在於，agent 不必預先被限制在固定頁面，而是根據使用者目標、已知條件與下一個需要確認的資訊，決定何時產出輸入控制、何時安排步驟、何時以視覺方式呈現結果。
動態生成不等於任意生成
若介面每一輪都隨機換一種形式，使用者反而要重新學習怎麼操作。Macaron-A2UI 因此把生成介面視為可檢查的協定：模型不只輸出文字，也產生能被渲染與驗證的 UI 動作序列，並以資料蒐集、行動編排與結果呈現三類任務作為評估框架。
對產品設計而言，這點尤其重要。未來可能不是每個 agent 都需要一套獨立設計系統，但它們仍需要固定的元件語彙、狀態規則、錯誤回復與可近用性底線。能依情境改變，和不受約束地變形，是兩件不同的事。
AI UX 的難題會從版型轉向決策權
當 agent 可以自己決定要顯示卡片、推薦或確認按鈕，它同時也在決定哪些選項被看見、哪些條件被預設、哪一步被推進。這些不是單純的視覺選擇，而是會影響使用者注意力與決策權的互動設計。
因此好的 generative UI 應該讓人知道系統正在收集什麼、推薦依據是什麼、哪些內容可改，以及何時能跳過或回到前一步。越能自動安排的介面，越需要清楚地交還控制權。
- 需要使用者確認時，先顯示條件與後果，再要求送出。
- 推薦內容要能檢視、比較與撤回，而不是只有一個「接受」。
- 新生成的元件要沿用熟悉的元件規則與鍵盤操作。
設計師要設計的，是 agent 和人交接的節點
這類研究不表示產品團隊可以把介面交給模型自由發揮。相反地，設計師更需要定義 agent 在什麼資訊不足時該問、什麼風險下必須停、什麼任務不能只靠推薦，以及人如何修正系統的理解。
最值得注意的轉變，是 UI 不再只是產品預先畫好的畫面集合，而可能成為每段互動中暫時出現的工作表面。若這個方向成形，設計師的價值不會變成替 AI 排版，而是把可理解、可預測、可拒絕的互動規則先設計好。