pi-generative-ui
pi-generative-ui 是一款专为 macOS 设计的开源扩展,它让 AI 助手 pi 能够像 Claude.ai 一样,直接生成并运行可交互的 HTML/SVG 可视化组件。当你向 pi 提问“演示复利如何运作”或“绘制变压器架构”时,它不再仅返回文字描述或静态代码,而是实时流式渲染出一个包含滑块、动态图表和动画的原生窗口应用。
这一工具解决了传统 AI 交互中可视化能力缺失的痛点,将抽象的数据和逻辑转化为直观、可操作的界面,极大提升了信息传达的效率与体验。它特别适合开发者、数据分析师及教育工作者使用,帮助他们在本地快速原型验证、教学演示或数据探索。
其核心技术亮点在于完美复刻了 Claude 的生成式 UI 机制:通过提取并复用 Anthropic 官方的高质量设计规范(涵盖排版、色彩及图表配置等),结合 morphdom 技术实现 DOM 的平滑增量更新,确保内容随 AI 生成逐字呈现且流畅自然。此外,它利用 WKWebView 提供完整的浏览器能力,并支持双向数据通信,让用户能与生成的界面进行实时互动。只需简单安装,即可让 pi 具备强大的原生可视化能力。
使用场景
一位数据分析师正在向非技术背景的管理层汇报“复利效应”对长期投资的影响,需要直观展示不同利率和时间下的资产变化。
没有 pi-generative-ui 时
- 只能生成静态代码块或文字描述,管理者无法直接看到动态变化,理解门槛高。
- 若需交互图表,必须手动编写完整的 HTML/JS 文件并在浏览器打开,打断沟通节奏。
- 修改参数(如调整利率)需重新生成代码并刷新页面,无法实时反馈,演示过程僵硬。
- 终端输出的纯文本或截图缺乏视觉冲击力,难以生动传达数据背后的趋势。
使用 pi-generative-ui 后
- 直接请求“展示复利如何运作”,pi-generative-ui 即刻在原生 macOS 窗口中渲染出带滑块的交互式 Chart.js 图表。
- 无需离开对话界面,拖动滑块即可实时观察本金随时间和利率变化的动画曲线,沟通流畅自然。
- 底层自动流式传输 HTML 片段并利用 morphdom 平滑更新 DOM,新元素淡入效果专业,无闪烁感。
- 内置从 Claude.ai 提取的生产级设计规范,确保生成的卡片、配色和排版具备商业级美观度。
pi-generative-ui 将抽象的数据逻辑转化为可即时操作的原生交互应用,让技术解释变得直观且富有感染力。
运行环境要求
- macOS
未说明
未说明

快速开始
pi-生成式-ui
Claude.ai 的生成式 UI——经过逆向工程后,为 pi 重新构建。
只需让 pi 回答“给我展示复利是如何工作的”,你就能获得一个实时交互式组件:滑块、图表、动画——全部渲染在一个原生 macOS 窗口中。这不是截图,也不是代码块,而是一个真正的 HTML 应用程序,带有 JavaScript,并随着 LLM 的生成过程实时流式传输。

工作原理
在 claude.ai 上,当你请求 Claude 展示某种可视化内容时,它会调用一个名为 show_widget 的工具,在对话中内联渲染 HTML。这些 HTML 是实时流式的——随着 token 不断到达,你会看到卡片、图表和滑块逐渐出现。
这个扩展为 pi 复现了同样的系统:
- LLM 调用
visualize_read_me—— 加载设计指南(惰性加载,仅加载相关模块) - LLM 调用
show_widget—— 作为工具调用参数生成一个 HTML 片段 - 扩展拦截流式数据 —— 通过 Glimpse 打开一个原生 macOS 窗口,并在 token 到达时逐步注入部分 HTML
- morphdom 对 DOM 进行差异比较 —— 新元素平滑淡入,未变化的元素保持不变
- 脚本在完成时执行 —— Chart.js、D3、Three.js,以及任何来自 CDN 的库
该组件窗口具备完整的浏览器功能(WKWebView),并提供双向桥接——window.glimpse.send(data) 可将数据回传给代理。
安装
pi install git:github.com/Michaelliv/pi-generative-ui
仅适用于 macOS。需要 Swift 工具链(随 Xcode 或 Xcode 命令行工具一起提供)。
使用方法
只需让 pi 来进行可视化即可。该扩展添加了两个工具,LLM 会自动调用它们:
- “给我展示复利是如何工作的” → 带有滑块和 Chart.js 的交互式解释器
- “可视化 Transformer 的架构” → 带有标注组件的 SVG 图
- “为这些数据创建仪表盘” → 指标卡片、图表、表格
- “绘制粒子系统” → Canvas 动画
LLM 会根据请求的内容决定是使用小部件还是纯文本。解释性或视觉相关的请求会触发小部件;而代码或文本类请求则会保留在终端中。
内部构成
指南——直接从 Claude 提取
这些设计指南并非手写而成,而是完全照搬自 claude.ai。
诀窍在于:你可以将任意 claude.ai 对话导出为 JSON 格式。导出文件包含了完整的工具调用负载——包括 Anthropic 实际设计系统的完整 read_me 工具结果。总计 72KB 的生产级规则,涵盖了排版、颜色方案、适合流式的 CSS 模式、Chart.js 配置、SVG 图解设计等。
我们针对每种模块组合触发了 read_me,导出了对话,解析了 JSON,将响应拆分为去重后的部分,并与原始内容进行了字节级验证。最终结果是:我们的 LLM 获得了与 Claude 在 claude.ai 上完全相同的指令。
五个按需加载的模块:
| 模块 | 大小 | 涵盖内容 |
|---|---|---|
interactive |
19KB | 滑块、指标卡片、实时计算 |
chart |
22KB | Chart.js 设置、自定义图例、数字格式化 |
mockup |
19KB | UI 组件样式、卡片、表单、骨架加载 |
art |
17KB | SVG 插画、Canvas 动画、创意图案 |
diagram |
59KB | 流程图、架构图、SVG 箭头系统 |
流式架构
该扩展会拦截 pi 的流式事件(toolcall_start / toolcall_delta / toolcall_end),以便在 token 到达时实时渲染小部件:
toolcall_start → 初始化流式状态
toolcall_delta → 延迟 150ms,打开窗口,使用 morphdom 进行差异比较
toolcall_end → 最终差异比较 + 执行 <script> 标签
execute() → 重复使用窗口,等待交互或关闭
关键细节:
- Shell HTML + JS eval —— 窗口以空壳打开;内容通过
win.send()注入,而非setHTML(),以避免全页闪烁 - morphdom DOM 差异比较 —— 只有发生变化的节点才会更新;新节点会有一个 0.3 秒的淡入动画
- pi-ai 的
parseStreamingJson—— 无需部分 JSON 解析器;pi 已经在每个 delta 中提供了解析好的arguments - 150ms 延迟 —— 将快速到达的 token 更新批量处理,以实现流畅的视觉呈现
- 默认深色模式 —— 背景为
#1a1a1a,专为 macOS WKWebView 设计
Glimpse
Glimpse 是一个原生 macOS 微型 UI 库。它通过一个小型 Swift 二进制文件,在不到 50 毫秒内打开一个 WKWebView 窗口。无需 Electron、浏览器标签页,也不依赖系统 WebKit 之外的运行时环境。
Swift 源代码会在执行 npm install 时,通过 postinstall 自动编译。
项目结构
pi-generative-ui/
├── .pi/extensions/generative-ui/
│ ├── index.ts # 扩展:工具、流式处理、Glimpse 集成
│ ├── guidelines.ts # 72KB 的 claude.ai 设计指南原文
│ └── claude-guidelines/ # 原始提取的 Markdown(参考)
│ ├── art.md
│ ├── chart.md
│ ├── diagram.md
│ ├── interactive.md
│ ├── mockup.md
│ └── sections/ # 去重后的部分
└── package.json # pi 包清单
指南的提取过程
- 在 claude.ai 上开始一次触发
show_widget的对话 - 分别对每个模块组合(
art、chart、diagram、interactive、mockup)调用read_me - 从 claude.ai 设置中将对话导出为 JSON
- 解析 JSON——每个
tool_resultforvisualize:read_me都包含完整的指南 - 按照
##标题分隔线拆分每条响应 - 去除重复的部分(例如,“颜色方案”同时出现在 chart、mockup、interactive 和 diagram 中)
- 验证重构内容是否与原文一致(4/5 完全一致,1 个仅有一个空格字符的差异)
原始的 read_me 响应被保存在 claude-guidelines/ 文件夹中——即 claude.ai 返回的原始 Markdown,在拆分和去重之前的样子。此仓库不包含对话导出的 JSON 文件。
致谢
- pi —— 这一可扩展的编码代理使这一切成为可能
- Glimpse —— 原生 macOS 的 WKWebView 窗口
- morphdom —— 用于平滑流式的 DOM 差异比较
- Anthropic —— 构建了我们所逆向工程的生成式 UI 系统
许可证
MIT
版本历史
v0.2.12026/03/15相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。