ChatGPT Intelligent UI 技术拆解:模型描述界面,编译器和客户端把它运行起来

原文链接: https://x.com/rabi_guha/status/2108238432355123572 来源: Rabi Guha / OpenUI 发现于: 小互 · AI 解读站 · 2026/10/9 说明: 本文由 AIHot 自动聚合(原文即中文,未翻译)。上游原文多次抓取失败(含登录墙/反爬,CDP 渲染亦无法获取),正文取自小互 AI 解读


ChatGPT Intelligent UI 可以把回答变成带有按钮、图表和滑杆的界面。在原文的教学月费估算中,调整席位数就能看到价格改变;生成这份回答与拖动之后的更新,经过的步骤并不相同。

这套系统把工作分给模型、编译器和客户端:**模型用 DIL 描述文字、组件与计算逻辑;编译器把描述转换成程序与数据;客户端运行逻辑,并用原生组件显示结果。**用户随后拖动滑杆时,已经写好的计算可以在客户端完成,不必让模型再生成一遍。

了解功能与使用场景OpenAI 发布智能回答界面 Intelligent UI:回答可视化,能点、能调,还能玩从星图、灵感板到聚餐采购清单,看智能回答界面怎样帮助查看、理解和操作。阅读介绍文章 →

AI 界面工程团队 Thesys 通过分析公共网页流量、抓取服务器推送补丁(SSE),并检查前端分发的核心运行时脚本与组件注册表,梳理出了网页端从模型输出到界面显示的运行链路。(以下实现细节来自 Thesys 对网页端的逆向观察)

ChatGPT 智能 UI 核心架构流向图

Thesys 逆向还原的 ChatGPT 智能 UI 四层数据流通路:模型产出 DIL、服务端负责修补与常量抽离、客户端 Worker 沙箱运算差量、宿主页面原生渲染。(来源:Thesys 架构解析图)


模型、编译器和客户端分别负责什么?

在原生组件路径中,客户端的工作还分成两部分:运行时执行逻辑并产生更新操作,渲染器按这些操作绘制组件。沿着同一份月费估算,可以把模型、编译器与客户端的分工逐步接起来。

模型:用 DIL 描述内容、组件和逻辑

大模型在生成回复时,使用的并不是纯文本,也不是传统的 JSON 结构树,而是一种名为 DIL 的专用语言。它由三部分融合而成:

  • 普通 Markdown:用于书写段落文字与排版标题;
  • 类似 JSX 的组件标签:用于声明布局容器与功能组件(如 <box>、<slider>、<title>);
  • 内联 JavaScript(以 {@body ...} 标识):用于声明内部响应式状态(State)与推导逻辑。

观察一个典型的教学测算示例(注:示例中 $29/席位/月为用于演示公式逻辑的教学数据,非真实套餐定价):

### Team plan estimate
Drag the slider to see the **monthly price** for your team.
{@body const [seats,setSeats] = DIL.useState(8)}
{@body const price = seats*29}
<box border padding={3} gap={2}>
  <slider min={1} max={50} value={seats} onChange={setSeats}/>
  <title size="xl">${price}/mo</title>
</box>

在这个片段里,模型通过 DIL.useState(8) 定义了默认席位为 8,通过普通 JavaScript 表达式计算总价,再将状态与滑块组件绑定。这条推文把主路径概括为“模型从不写原始代码”,这并不准确——模型确实在直接编写 JavaScript 逻辑,只不过它被放在专用标记语言中。

编译器:把描述转换成可运行程序与数据

客户端浏览器不会按原样直接执行模型生成的原始 DIL 字符串。OpenAI 的后端服务器会处理模型输出流,将其动态编译为一个独立的 JavaScript 执行函数和一份 JSON 常量配置表(在会话元数据中标记为 model_dil_v2)。回复中的普通 Markdown(标题、段落、粗体)也会被编译进同一棵组件树(如转化为 title、带 bold 的 text),文字则抽离移入 constants 常量表。

服务端编译器主要完成五项关键加工:

  • 函数标准化:将所有 XML 风格的标签转译为 __dil.jsx(...) 函数调用,客户端不再需要 DIL 语法解析器。
  • 表达式容错:编译器用 __dilSafe 包装表达式,出错时返回备用值,帮助隔离局部错误。这能减少一处异常对整份回答的影响,但不检查公式是否正确。
  • 文本抽离为常量表:静态文字被移入名为 constants 的哈希字典,例如 {"0": "Team plan estimate", "4": "$"}。这样在后续打字流中,文本的增多只会修改 JSON 字典,而不需要修改 JavaScript 代码本身。
  • 为状态加入稳定键:为每一个状态钩子注入稳定键(如 { key: "seats" }),确保界面后续重新编译时,用户拉过的滑块位置不会被冲刷回初始值。
  • 白名单校验与自动修复:依据设计系统字典(Catalog)严格过滤非法属性(例如发现模型写了未定义的 fill 属性或格式错误的数值,直接在编译期剔除并打上诊断标记)。

客户端:隔离运行逻辑,把结果显示成原生界面

在沙箱里执行逻辑、保存状态

大模型生成的代码本质上是不受信任的外部输入。如果直接在宿主页面运行,极易带来 XSS 攻击或数据泄露隐患。

ChatGPT 在浏览器端采用了一套分层隔离方案:

  • 页面预先加载一个隐藏的沙箱 iframe(runner.html),并赋予严格的 CSP(内容安全策略:default-src 'none'),限制资源访问。
  • 该 iframe 随即启动一个专属的 Web Worker。
  • 限制可用能力:Worker 在执行程序前移除模型代码可访问的网络、定时器、消息传递和动态代码执行能力,并冻结剩余全局对象。运行时自身仍通过受控的求值入口执行编译程序。
  • 内置微型调和器(Mini Reconciler):Worker 内部运行着一个类似 React 的调和器。它执行组件逻辑,比较新的组件树与上一次组件树,计算需要更新的操作,并序列化为底层的二进制 UI 操作指令(如 CREATE #9 slider)。
  • 函数不离开沙箱:组件绑定的事件处理函数(如 onChange)绝不向主页面传输,主页面只能拿到一个标识符(如 fn#1)。
  • 看门狗机制(Watchdog):若某段逻辑陷入死循环或执行超时,看门狗会强行杀掉并重启 Worker。