HTML/CSS 做汇报
网页→幻灯片
- 人设定
- 产品或 skill 规定输出 HTML
- AI 做
- 写整套页面、动画和排版
- 原因
- AI 擅长写 HTML/CSS；.pptx 是 ZIP 里的 XML，也能用 SDK 生成，但更难直接改 [S5]
- 边界
- 需要交给别人改的场合，HTML 转回可编辑 PPT 时排版可能走样（作者判断）
来源 S5、S6；前身 reveal.js [S1]
AI 把人类工具用在别处：现象是真的，「人想不到」不是
AI 确实在把 HTML、JavaScript、Python 这些工具用到它们原本不负责的事情上。但人早就想到过这些用法；从本页案例看，AI 降低了动手门槛；成本是否普遍下降还没有对照数据（作者判断）。真正值得深挖的，是「能写成文本、又有自动检查器」的工具。
现象成立HTML 做汇报、HTML 渲染成视频、用 Python 画辅助线来推理、用 Lean 检查数学证明，2023–2026 年都有可查的例子。
「人想不到」不成立reveal.js 在 2011 年就用 HTML 做演示；Remotion 作者在 2021 年说过「一直梦想用代码做视频」。
「跳过人类工具」只有局部证据AI 已在汇编和电路描述层找到更好的写法；本页的两个生产案例都经过人能复核的验证才被采用。「直接写二进制」目前只是预测。
原观点逐条核对
左边是原观点的五个主张，右边是核对结论和依据。
主张一：原本解决 A 问题的工具，被 AI 拿去解决 B 问题，而且做得更好。
部分成立
「拿去解决 B」成立，例子见下面的卡片。「做得更好」目前没有质量、返工和总耗时的对照研究，只能说部分流程降低了动手门槛。
主张二：人打死也想不到用 JS 做视频、用 HTML 做汇报，这是 AI 自己想出来的。
不成立
主张三：AI 只是在人类工具箱里重新排列组合，找最优解。
部分成立
使用既有工具：成立。找到比已知记录更好的结果：有证据。保证找到最优解：没有证据。FunSearch 用普通 Python 程序找到了比已知记录更大的 cap set（n=8 时 512，旧记录 496）[S15]；AlphaEvolve 找到 4×4 复数矩阵乘法只需 48 次标量乘法的方法 [S17]。这些结果优于此前记录，但没有证明是全局最优。旧工具不等于没有新发现。
主张四：未来 AI 不需要编程语言，会直接写二进制、直接在硅片上运算。
预测，有局部证据
AI 已经在汇编层（AlphaDev）[S16] 和电路描述层（AlphaEvolve 的 Verilog 改写）[S17] 工作，但这仍是换了一层人类语言。AlphaDev 的结果是翻译回 C++ 才并入 LLVM 的。Musk 在 2026 年 2 月预测「今年年底 AI 会直接生成二进制」[S20]，截至本页没有看到实现证据。
主张五：到那时，人类可能看不懂 AI 做了什么、怎么做的。
风险真实，不是必然
在隐空间推理的模型（Coconut）已经出现，它的中间推理不是文字 [S21]。41 位来自多家实验室的作者在 2025 年 7 月联名指出，可读的思维链是「新的、脆弱的」监控机会，开发决策会影响它能不能保住 [S22]。所以「看得懂」取决于开发者怎么选。
时间线：人先想到，AI 让它更容易上手
按年份排列。颜色区分事件类型。
人做的代码化工具AI 用旧工具做新事AI 往底层或绕过工具误传或预测
2011
人reveal.js 发布：用 HTML 做演示文稿 [S1]
约 2015
人3Blue1Brown 作者开始写 Manim，用 Python 做数学动画 [S2]
2017
2021
人Remotion 发布：用 React 写视频 [S3]
2023
AIVoyager 在 Minecraft 里把 JS 代码当作技能库 [S11]
底层AlphaDev 在汇编层找到更短的排序例程 [S16]
AIFunSearch 用「程序加评估器」找到新的数学构造 [S15]
2024
AIVisual Sketchpad：模型写 Matplotlib 代码画辅助线来推理 [S8]
AIAlphaProof 在 Lean 里证明 IMO 2024 三道题 [S12]
绕过GameNGen：神经网络直接生成 Doom 画面，单 TPU 20 帧每秒 [S18]
隐空间Coconut：模型在连续隐空间里推理 [S21]
2025
误读Gibberlink 演示：两个语音 agent 切换声波协议，是提示词预设的 [S24]
底层AlphaEvolve：48 次乘法、Verilog 改写进入未来 TPU [S17]
AIBlenderMCP：AI 通过 Python API 操作 Blender [S10]
AITypeScript 按月活贡献者成为 GitHub 第一，报告把原因之一归于类型语言让 agent 编程更可靠 [S13]
绕过Genie 3：由文本生成可交互世界，720p、24 帧每秒，可持续几分钟 [S19]
警告思维链可监控性联名论文 [S22]
2026
AIClaude Code 负责人公开说明：早期用向量库检索，后来改用 agent 自己搜索文件 [S7]
预测Musk：「今年年底 AI 会直接生成二进制」[S20]
AI博客文章《In 2026, slides are HTML》[S5]；HeyGen 开源 HyperFrames，把 HTML 渲染成视频 [S4]
正在发生的「A→B」：三类例证
按类型筛选。每张卡片写明人设定了什么、AI 做了什么、边界在哪里。
HTML/JS 做视频
网页交互→逐帧视频
- 人设定
- HeyGen 搭好 HyperFrames：浏览器逐帧截图，再编码成 MP4
- AI 做
- agent 写 HTML、CSS 和 JS，项目可以再改
- 边界
- 适合排版、图表、文字动画；实拍画面仍要靠素材或生成模型
来源 S4；前身 Remotion [S3]、Manim [S2]
SVG 让文本模型画图
矢量图格式→模型评测载体
- 人设定
- Simon Willison 出题「鹈鹕骑自行车」，要求输出 SVG
- AI 做
- 写 SVG 代码，浏览器把它画出来
- 原话
- 纯文本模型「本不该会画画」，但「SVG 是代码」
- 迁移在哪
- SVG 本来就用来画图；新用途是把它当作衡量文本模型能力的评测载体
- 边界
- 作者自己说这个测试起初是玩笑
来源 S9
Matplotlib 当推理草稿纸
出图表→画辅助线再看图推理
- 人设定
- 研究者给模型画图工具和视觉模型
- AI 做
- 写代码画辅助线、框和标记，再读图继续推理
- 数字
- 数学任务平均提升 12.7%，视觉任务平均提升 8.6%（同一模型有无草稿纸对比）
- 边界
- 辅助线画错时，后面的推理也会跟着错（作者判断）
来源 S8（NeurIPS 2024）
JS 代码当游戏技能库
- 人设定
- 研究者设计「写技能、存技能、取技能」的机制
- AI 做
- GPT-4 写技能代码，存起来，在新任务里组合使用
- 数字
- 与此前最好的方法比：独特物品 3.3 倍，移动距离 2.3 倍，科技树里程碑最快 15.3 倍
- 边界
- 倍数是对旧 AI 方法，不是对人类玩家
来源 S11
React 组件设计电路板
网页界面组件→原理图和 PCB 布局
- 人设定
- tscircuit 把电路元件做成 React 组件
- AI 做
- 可以像写网页一样写 TSX 电路（作者判断：代码形式让 AI 更容易参与）
- 边界
- 能生成布局不等于能制造、能通过电气检查
来源：tscircuit 官网与 GitHub 描述「用 React 和 TypeScript 做真实电子产品」
Blender Python 做 3D 布景
人点鼠标→AI 调 Python API
- 人设定
- 开发者用 MCP 把 Blender 接给 AI
- AI 做
- 搭场景、放灯光和相机、批量改名和导出
- 边界
- 有机建模、绑定动画和拓扑处理较弱；精确空间定位差，要多轮修正；文章称它是快速原型工具
来源 S10
CadQuery 代码化 CAD
人画 3D 模型→模型写 CAD 脚本
- 人设定
- 研究者给 17 万条 CadQuery 标注，微调 6 个开源模型
- AI 做
- 按文字描述写 CadQuery 代码，生成 3D 形状
- 数字
- 最好模型 top-1 完全匹配率从 58.8% 升到 69.3%（论文自建数据集）
- 边界
- 能运行不等于可制造；不是工业 CAD 成功率
来源：arXiv 2505.06507
grep 和文件系统做代码检索
向量库检索→agent 自己搜文件
- 人设定
- 团队先试了 RAG 加本地向量库
- AI 做
- 用 Glob、Grep、Read 按需查找代码
- 原话
- 「agentic search generally works better」，而且更简单，没有安全、隐私、过期和可靠性问题
- 边界
- 这是代码库场景里的工程取舍；概念搜索、超大资料库仍可能需要检索索引
来源 S7
Strudel 用代码写音乐
人现场编码→LLM 写节奏和旋律
- 人设定
- 社区做了 MCP 服务和 Claude Code skill
- AI 做
- 写 Strudel 代码，在浏览器里直接播放
- 边界
- 能播放不等于好听，没有自动检查器；更像草稿本，不能代替编曲软件
来源 S25
Lean 检查数学证明
数学家写形式化证明→AI 训练和答题的裁判
- 人设定
- 专家先把 IMO 题目人工翻译成 Lean
- AI 做
- AlphaProof 搜索证明，Lean 判断对错
- 数字
- AlphaProof 解出 3 题（21 分，含最难的第 6 题）；加上 AlphaGeometry 2 解的几何题，共 28/42 分，达到银牌线
- 边界
- 部分题目算了最多三天，人类选手只有两场各 4.5 小时；赛制不同
来源 S12
类型系统抓 AI 的错误
帮人写大项目→帮 AI 提前报错
- 现象
- 2025 年 8 月，TypeScript 按月活贡献者首次超过 Python 和 JavaScript
- 报告解释
- 类型语言让 agent 辅助编程在生产中更可靠；报告引用的研究称 LLM 生成代码的编译错误中 94% 是类型检查失败
- 边界
- 这是 GitHub 的解释，不是因果实验结论
来源 S13
仿真器给奖励代码打分
- 人设定
- 给出环境源码和任务描述
- AI 做
- GPT-4 写奖励代码，仿真训练后看结果再改
- 数字
- 29 个环境中 83% 超过人类专家写的奖励，平均标准化提升 52%
- 边界
- 每一轮都要完整训练，计算成本高
来源 S14
评估程序筛选数学构造
跑 Python 打分→发现新数学结果
- 人设定
- 研究者写程序骨架和评分函数
- AI 做
- LLM 反复改写一个函数，评分高的留下继续改
- 数字
- n=8 时找到 512 个点的 cap set，旧记录 496
- 边界
- 只适合「结果能自动打分」的问题
来源 S15
分类说明：「跨用途」指工具被用在原设计之外的功能；「原用途自动化」指功能没变，只是由 AI 来操作；「当检查器用」指工具负责判断 AI 的产出对不对。
规律：什么样的工具最容易被 AI 拿去用
作者判断：同时满足下面四个条件的工具，最有利于 AI 自动化。这是假说，不是测量。四列分开看，不加总分。
能写成文本3 = 源头是纯文本；2 = 主体是文本，部分状态要靠界面或二进制资源；1 = 大量状态藏在图形界面里
有自动检查器3 = 能自动判断对错（证明器、仿真、编译）；2 = 能自动检查能否运行或渲染，内容对错要人看；1 = 只能跑出来，好坏全靠人看或人听
训练语料多3 = 公开代码和教程极多；2 = 有一定规模的社区和文档；1 = 小众，样本少
产物形态转换程度3 = 文字变成自由画面、视频、实物或电路；2 = 文字变成声音、证明结果或数据图表（图表单列为 2 分，因为它是数据的直接映射）；1 = 产物仍是文字或代码
| 工具 | 能写成文本 | 有自动检查器 | 训练语料多 | 产物形态转换程度 | 依据可靠度 |
|---|
读法：「有自动检查器」得 1 分的工具（Blender Python、G-code、Strudel），最需要人把关。HTML 类工具得 2 分：能自动检查渲染和布局，但内容对错仍要人看。渲染成功不等于内容正确。
两条路线和一条混合路线
AI 产出图像、视频、世界时，不止「写代码再渲染」这一种做法。三种做法会按需求分工，不是谁取代谁。
工具中介
需求 → 代码（HTML/JS/Python） → 渲染器 → 成品
- 可以改：改一行代码再渲染
- 可以查：源码就是记录
- 便于精确控制文字、数字和布局，但仍需检查
例：HyperFrames [S4]、HTML 幻灯片 [S5]、CadQuery
混合
模型提方案 → 代码执行或渲染 → 模型看结果或评分 → 再改
- 代码负责结构和检查
- 模型负责提出想法和判断
- 本页列举的「新发现」都出在这条路线上
例：Visual Sketchpad [S8]、FunSearch [S15]、Eureka [S14]、AlphaEvolve [S17]
神经直接生成
需求 → 模型权重 → 像素或交互画面
- 不写代码，没有中间源码
- 擅长真实感画面和开放场景
- 难精确修改，难逐步审查
例：GameNGen 直接生成 Doom 画面 [S18]、Genie 3 生成可交互世界 [S19]
「离开人类工具」走到了哪一步
原观点说 AI 将来会跳过编程语言。现有证据分三个方向，颜色表示进度：绿色已落地，橙色部分落地，红色只有说法。
往下走：更底层的语言
汇编（2023）AlphaDev 找到更短的 3–5 元素排序例程，短序列最快约快 70%，超过 25 万元素时约快 1.7%；翻回 C++ 后并入 LLVM libc++ [S16]
电路描述（2025）AlphaEvolve 提出 Verilog 改写，去掉矩阵乘法电路里多余的位，进入未来的 TPU [S17]
直接二进制（预测）Musk 2026 年 2 月预测年底实现 [S20]；没有实现证据
往里走：不用文字思考
隐空间推理（2024）Coconut 把隐藏状态直接作为下一步输入，能同时探索多条路径，在需要大量规划搜索的逻辑任务上超过思维链 [S21]
风险提醒（2025）联名论文：隐空间架构和大规模强化学习可能让思维链不再可读 [S22]
绕过去：不写程序直接出结果
游戏模拟（2024）GameNGen 用神经网络模拟 Doom，单 TPU 20 帧每秒；评分者区分真假片段的准确率接近随机 [S18]
可交互世界（2025）Genie 3 由文本生成 720p、24 帧每秒的世界，可持续几分钟 [S19]
这两个案例的验证流程：AlphaDev 的结果翻回 C++ 后才并入 LLVM；AlphaEvolve 的乘法方法能被数学检查，Verilog 改写经过电路验证。两者都在进入生产系统前经过了人能复核的验证。其他成果是否同样如此，本页没有核查。
「AI 发明自己的语言」：两个常见误读
「人类看不懂」的担忧值得认真对待，但常被引用的两个例子并不支持它。
误传
误读
Gibberlink：两个 AI 改用声波说话
2025 年 2 月黑客松项目。两个语音 agent 被提示词要求：确认对方是 AI 后切换到 ggwave 声波协议。这是开发者设定的，不是 AI 自发发明 [S24]。
更有意思的五个发现
前两条是作者假说，后三条有直接例证。
文本接口在哪里，AI 就先到哪里
HTML 汇报、SVG 画图、CadQuery、tscircuit、Strudel 的共同点是：原本要用图形界面做的事，有了一个文本入口。没有文本入口的专业软件，要么等 AI 学会点鼠标，要么被人补上文本接口。
性质：作者假说。反面证据：计算机使用基准 OSWorld 的 2024 年原论文中，最好模型只完成 12.24% 的任务，人类为 72.36% [S28]；2026-10-13 核查时，聚合榜单上的最高分约 85–86%，均为厂商自报，且与旧版不可直接比较 [S26]。AI 也在学图形界面。
检查器在升值
Lean、类型系统、仿真器、评分程序原本是给人用的严格工具，现在成了 AI 的裁判和训练信号。图形界面编辑器是否在贬值，目前没有数据，只能算待验证的假说。
依据：AlphaProof [S12]、Octoverse [S13]、Eureka [S14]、FunSearch [S15]。
新意可以在产物里，不在工具里
FunSearch 用的是普通 Python，找到的却是 20 年来最大的 cap set 渐近下界改进。用旧工具不等于只能做旧事。
依据：S15、S17。
代码是 AI 的外部记忆
Voyager 不微调模型，靠把技能写成代码存起来，在后续任务中组合使用。衡量 AI 用工具的效果时，要看跨任务复用，不只看一次生成的质量。
依据：S11；Claude Code 改用文件搜索也是同一方向 [S7]。
「看得懂」是一种设计选择
可读的中间产物（源码、调用日志、测试结果）是人能检查 AI 的前提。可读的思维链不一定忠实反映模型内部，所以优先保留可以复核的源码、日志和测试。
依据：S22。
值得深挖的工具清单（按功能）
每行给一个能在一两个小时内完成、能自己验收的小实验。优先级是作者判断。
| 功能 | 工具 | 为什么值得 | 检查器 | 验证小实验 | 优先级 |
|---|---|---|---|---|---|
| 时间媒体 | HyperFrames、Remotion、Manim | 代码化视频可改、可复用模板 | 逐帧预览、渲染日志 | 同一段 60 秒讲解，分别用剪辑软件和代码做，记修改一处文字的耗时 | 高 |
| 验证 | Lean、TypeScript 类型、测试框架 | 检查器越强，越能放心让 AI 多做 | 自身就是检查器 | 同一个脚本分别用 JS 和 TS 让 AI 写，比较第一次运行的报错数 | 高 |
| 推理草稿 | Matplotlib、SVG、Mermaid | 让 AI 先画图再判断，减少空想 | 看图是否与数据一致 | 拿 5 道带图的题，比较「先画辅助图」和「直接回答」的正确数 | 高 |
| 外部记忆 | Markdown、git、grep | 把做过的事写成可复用的文件 | git 历史、能否复跑 | 把一个重复任务写成脚本存起来，下一次只给文件名看 AI 能否复用 | 中 |
| 物理设计 | CadQuery、OpenSCAD、tscircuit | 已有文本入口（OpenSCAD 官网有 2013 年的版本发布记录，它一直用脚本描述 3D 模型 [S29]），AI 可以直接生成和修改设计脚本 | 几何检查、电气规则检查 | 让 AI 写一个手机支架的 CadQuery 脚本，导出后检查尺寸 | 中 |
| 3D 与图形 | Blender Python、GLSL 着色器 | 布景和批量操作能自动化 | 渲染截图，人看 | 用 BlenderMCP 搭一个产品展示场景，记修正轮数 | 中 |
| 声音 | Strudel | 音乐有了浏览器里能直接播放的文本格式 | 弱：只能人听 | 让 AI 写一段 30 秒背景节奏，比较与素材库找曲的耗时 | 低 |
对个人的建议：先找自己工作里「只能点鼠标、没有文本入口」的环节，给它补一层模板或脚本，这是 AI 最容易放大的位置。挑工具时问四个问题：能不能写成文本？有没有自动检查器？语料多不多？产物形态转换程度如何？同时保留源码和日志，不要直接追求「AI 自己的格式」。
来源
2026-10-13 核查。未能打开原文的条目在括号里注明。
- reveal.js 作者 Hakim El Hattab 个人站（自述 2011 年首次发布）：https://hakim.se/
- 3Blue1Brown About（Manim 来源）：https://www.3blue1brown.com/about/
- Introducing Remotion（2021-02-08）：https://www.remotion.dev/blog/introducing-remotion
- HeyGen HyperFrames 介绍：https://hyperframes.heygen.com/introduction；研究页：https://www.heygen.com/research/html-to-video
- In 2026, slides are HTML（2026-04-21）：https://jiaweing.com/blog/in-2026-slides-are-html
- MindStudio：Claude Design 幻灯片与原型：https://www.mindstudio.ai/blog/claude-design-animated-prototypes-slide-decks
- Visual Sketchpad（arXiv 2406.09403，NeurIPS 2024）：https://arxiv.org/abs/2406.09403
- Simon Willison：The last six months in LLMs（2025-06-06）：https://simonwillison.net/2025/Jun/6/six-months-in-llms/
- Voyager（arXiv 2305.16291）：https://arxiv.org/abs/2305.16291
- AlphaProof，Nature（2025-11）：https://www.nature.com/articles/s41586-025-09833-y
- GitHub Octoverse 2025：https://github.blog/news-insights/octoverse/octoverse-a-new-developer-joins-github-every-second-as-ai-leads-typescript-to-1/
- Eureka（arXiv 2310.12931）：https://arxiv.org/abs/2310.12931
- FunSearch，Nature（2023-12-14）：https://www.nature.com/articles/s41586-023-06924-6；DeepMind 博客：链接
- DeepMind：AlphaDev discovers faster sorting algorithms（2023-06-07）：https://deepmind.google/discover/blog/alphadev-discovers-faster-sorting-algorithms/
- DeepMind：AlphaEvolve（2025-05-14）：https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/
- GameNGen（arXiv 2408.14837）：https://arxiv.org/abs/2408.14837
- TechCrunch：Genie 3（2025-08-05）：https://techcrunch.com/2025/08/05/deepmind-thinks-genie-3-world-model-presents-stepping-stone-towards-agi/
- Coconut（arXiv 2412.06769）：https://arxiv.org/abs/2412.06769
- Chain of Thought Monitorability（arXiv 2507.11473，2025-07-15）：https://arxiv.org/abs/2507.11473
- The Register（2017-08-01）：https://www.theregister.com/2017/08/01/facebook_chatbots_did_not_invent_new_language/
- Wikipedia：Gibberlink：https://en.wikipedia.org/wiki/Gibberlink
- Strudel：https://strudel.cc/；LLM 协作仓库：https://github.com/calvinw/strudel-llm-docs
- OSWorld 聚合榜单（2026-10-13 核查，成绩为厂商自报，未逐条复测）：https://leaderboard.steel.dev/leaderboards/osworld/
- Text-to-CadQuery（arXiv 2505.06507）：https://arxiv.org/abs/2505.06507；tscircuit：https://tscircuit.com/
- OSWorld 原论文（arXiv 2404.07972，2024-04）：https://arxiv.org/abs/2404.07972
- OpenSCAD 新闻与发布记录：https://openscad.org/news.html