别怪模型不会做图——换媒介：HTML 才是智能体做图形的原生语言。
HTML is All You Need (for Agents to Make Graphics) - Amol Kapoor, Nori · Amol Kapoor
全片 7 分钟·真正值得盯屏约 5 分钟·3 个必看点
- 0:10 – 1:15听
问题提出：智能体为什么做不好图形
Amol Kapoor 抛出核心论断：智能体图形能力差的根源不在模型能力，而在我们塞给它的媒介和工具——它们全是按人类思维设计的。
「模型不行」是误诊，真正的病因是媒介错配。
开场为纯口头立论，无关键画面，听清论点框架即可。▶ 跳到 0:10讲者 · Amol Kapoor - 1:15 – 2:10看
为人类设计的工具注定失败
拆解 PowerPoint、Figma、Canva：画布交互（点击、拖拽、对齐）为人手人眼设计，数据格式封闭；Figma MCP、截图替换循环等现有智能体方案仍在按人类方式解题。
把人类工具原样交给智能体，产出必然错位重叠、不可用。
此段有画布工具与智能体产出翻车的对照画面（visualMoment 89s），看图比听描述更直观。▶ 跳到 1:15讲者 · Amol Kapoor - 2:10 – 3:20看
SVG 鹈鹕测试：一场集体误判
复盘 Simon Willison 的「SVG 画鹈鹕骑自行车」测试——各模型表现确实糟糕，业界（包括 ArcAGI 类基准）据此断言模型不会空间推理。讲者指出：让 AI 手写 SVG 本身就违背它的思维方式。
人类靠画布思考，模型靠语言、token 和结构思考——测试测的是媒介错配，不是能力上限。
鹈鹕测试的失败样例是幻灯片图像（visualMoment 145s），扫一眼失败效果即可，论证部分靠听。▶ 跳到 2:10讲者 · Amol Kapoor - 3:20 – 4:50看
答案：HTML 是模型的原生媒介
论证 HTML 的三重优势：标签自带语义（标题、图表、网格）、模型在海量样本上训练过、布局交由浏览器渲染成像素。同一鹈鹕任务改用 HTML 即产出可读结果。
模型不需要摆放任何坐标，就免费获得图表、字体、动效——这是全片最核心的方法论支点。
247s 处的 HTML 版鹈鹕对比是全片关键画面，必须亲眼看前后差异才有说服力。▶ 跳到 3:20讲者 · Amol Kapoor - 4:50 – 6:00看
Nori 投产实证：从 deck 到视频
方法落地：编辑格式与演示格式解耦——用 HTML 编辑、按需渲染成 PDF 等格式。Nori 已用它生产董事会演示、销售 deck、品牌化文档，连本演讲视频都是纯 HTML/CSS（div 堆叠）渲染的。
幻灯片≠PowerPoint：观众只关心演示态，编辑格式可以任意选智能体最擅长的。
320s 处展示真实投产案例，且「本视频即 HTML 渲染」这一自证只有看画面才能体会。▶ 跳到 4:50讲者 · Amol Kapoor - 6:00 – 6:53听
结论：像模型一样思考
收尾算账：全球每天约 3.4 万人年耗在做幻灯片上，大部分花在格式排版琐事；接入公司数据后智能体可端到端生成整份 deck，10 小时的活应缩到约 25 分钟。「coding agent」只是营销误称——给对语言，智能体几乎无所不能。
停止像用户一样思考，改为像模型一样思考——对图形任务，这门语言就是 HTML。
结尾为口头总结与数据论述，无独立视觉时刻，记住方法论迁移即可。▶ 跳到 6:00讲者 · Amol Kapoor