眼见为实,这句话在AI时代需要重新审视。但即便要抵制在线互动中的信息噪音,图像仍然胜过千言万语。
Anthropic的Claude AI模型经过训练,现在能够完成比单纯描述更有价值的工作:它不仅能生成静态图表,还能创建动态可视化内容,包含滑块、按钮和各种动画控制组件。
Anthropic在去年秋天展示了这项功能的早期版本,称为"Imagine with Claude",现已作为测试版服务向客户推出。
"Claude可以在其回应中创建自定义图表、图解和其他可视化内容,并随着对话的发展调整和修改其创作,"该公司在博客文章中解释道。
这不是像Google的Nano Banana或Midjourney那样的艺术风格模仿。而是使用Chart.js可视化库、HTML、CSS等技术即时生成JavaScript代码。这些都是按需生成的迷你应用程序,它们被设计为临时工具而非像Claude Artifacts那样的持久化工具。
作为示例,Anthropic建议你可以要求Claude展示复利是如何工作的。经过一番数据处理,该公司的AI服务会生成一个带有滑块的交互式图表来说明这个金融奇迹。
在过去,人们可能需要在网上搜索这样的工具,访问各种充满广告的垃圾网站才能找到可用的选项。
更有趣的是,这些即时图表工具可以随着对话而演进。在测试了建议的"向我展示复利如何运作"提示后,The Register请求添加一个通胀滑块。结果,这个功能就实现了,只花费了几千个Token和一些未披露的电力和水资源成本。
为了好玩,我们问Claude:"向我展示一个交互式元素表,但不是化学元素,而是描述各种愚蠢的人。"令人惊讶的是,经常扮演负责任角色的Claude居然热情地配合了这个要求。
该图表包含36个元素,在弹出窗口中详细说明,从1号Ob(显而易见先生)开始。
条目写道:"以诺贝尔奖获得者的自信陈述显而易见的事实。会在你们都站在雨中时告诉你正在下雨。"
作为对人们在互联网上抱怨的事情的重新包装,配上交互式图形界面,效果还不错。
据Anthropic称,交互式图表生成功能现在已默认开启。
Q&A
Q1:Claude的图表生成功能是什么?有什么特点?
A:Claude的图表生成功能是Anthropic推出的一项AI能力,可以在对话中即时创建自定义图表、图解和其他可视化内容,包含滑块、按钮等交互元素。这些图表可以随着对话发展进行调整和修改,是按需生成的临时工具。
Q2:Claude生成的图表是如何实现的?
A:Claude通过即时生成JavaScript代码来实现图表功能,使用Chart.js可视化库、HTML、CSS等技术。这些都是按需创建的迷你应用程序,设计为临时使用而非持久化工具。
Q3:用户可以如何使用Claude的图表功能?
A:用户可以直接在与Claude的对话中请求生成特定类型的图表,比如要求展示复利工作原理。Claude会自动生成相应的交互式图表,用户还可以要求添加新功能,如通胀滑块等,图表会随对话演进。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。