什么是AXI深入lavish-axi的Agent人机工程与Token效率设计【免费下载链接】lavish-axiHTML is the new markdown. Lavish is the new editor for your HTML artifacts.项目地址: https://gitcode.com/gh_mirrors/la/lavish-axilavish-axi 是一款面向 AI 智能体Agent的AXI 工具它让 Agent 把 HTML 产物打开到本地浏览器中人可以直接圈选元素、批注文字、编辑图表并把反馈通过一条长轮询long polling接口精准送回给 Agent。它的核心设计只回答两个问题如何让 Agent 用最少的心力操作它人机工程以及如何让 Agent 花最少的 Token 用它Token 效率。什么是 AXI一条Agent 直接能跑的 CLIAXI可以理解为 Agent eXperiences 的接口约定一个足够强的 Agent无需任何安装和配置仅凭一条命令行就能把它跑起来并读懂输出。lavish-axi 完全符合这一定义零安装可用npx -y lavish-axi html-file即可运行CLI 按需自取CLI 即接口它不附带 MCP Server也不依赖市场安装CLI 本身就是 Agent 界面见 AGENTS.md 中的 AXI integration 章节按需披露contextual disclosure技能文件只是一个极短的路标真正的操作指南由lavish-axi design、lavish-axi playbook id等命令在需要时才给出。技能桩文件 skills/lavish/SKILL.md 只有几十字节级的篇幅明确写着当前指引在 CLI 里别信旧拷贝——这是理解 lavish-axi Token 哲学的第一把钥匙。Agent 人机工程三条Agent 友好设计1. 文件路径即会话身份拒绝不透明 ID传统方案里Agent 往往要记住一串session_id。lavish-axi 直接以规范化的 HTML 文件路径作为会话键sha256前缀保存在~/.lavish-axi/state.json中。对 Agent 来说打开哪个文件就等于哪个会话没有任何需要记忆或转述的不透明标识。实现位于 src/session-store.js 的sessionKey。2. 长轮询等待而不是反复查询Agent 打开页面后执行lavish-axi poll file.html然后挂起等待直到用户点了Send to Agent才返回反馈。对比每 5 秒查一次有没有新消息的轮询方案维度反复短轮询lavish-axi 长轮询无反馈时的请求次数N 次0 次Token 消耗每次响应都计费等待期零消耗响应延迟最多一个轮询周期用户点发送即刻送达等待期间它还有一套防误判设计无超时的 poll 会向 stderr 打印一次性横幅证明没挂死而 stdout永远只留给最终结果只有交互终端才会输出周期性等待心跳管道环境Agent 框架则完全安静——避免把 tick 噪音混入 Agent 的抓取内容见 src/cli.js。3. 被动检测永不惊扰 Agent布局审计发现溢出、遮挡等问题时只会放进浏览器的Layout issues收件箱绝不触发poll返回、不唤醒 Agent。只有人主动Queue selected fixes问题才作为一条普通反馈进入队列。这一检测永远被动的原则写在 VISION.md 的Nothing interrupts the human一节是人机协作不被机器打断的底线。Token 效率设计每个 Token 都花在刀刃上VISION.md 开宗明义Every token is spent on purpose每个 Token 都花得有目的。具体落到了四处1. TOON 紧凑输出CLI 输出采用 TOON 这种比 JSON 更紧凑的结构化格式同样的信息量字符数更少解析更省。2.--version的热路径快速通道Agent 框架通常在会话启动时探测每个工具版本。lavish-axi --version在进入任何初始化逻辑之前就短路返回版本号不做状态目录创建、不发遥测请求——一个看似不起眼的优化省掉了每次会话启动约一秒的固定开销守卫测试见 test/cli-version.test.js。3. 单一事实源杜绝重复话术设计优先级规则DESIGN_PRIORITY_RULE全文只在 src/design-reference.js 定义一次design命令帮助与运行时输出全部引用它从不复述。技能桩不复述 CLI 指引playbook 列表如diagram、table、comparison等 8 种见 src/playbooks.js只在匹配时才让 Agent 打开对应篇目。每个表面都要为自己的 Token 成本在每次运行中挣回票价。4. 反馈字段顺序即契约poll返回的反馈对象中prompts用户原话与next_step继续评审循环的指令永远排在体积无上限的dom_snapshot之前——这样即使 Agent 截断或过滤响应也永远不会丢掉用户的话和流程指令。测试 test/cli-output.test.js 专门锁死了这个字段顺序。人机工程让人指一下就能被精确理解Token 省给 Agent体验就还给人类。Lavish Editor 的浏览器界面左侧产物、右侧对话面板把指出问题的成本降到最低精确批注点选元素、划选文字甚至表格单元格反馈都会附带 CSS 定位、行列名与引文Agent 收到的是哪一行哪一列而不是大概上面那个白板编辑当产物中包含 Mermaid 图表且你要求可编辑白板时图表会渲染成 Excalidraw 白板点一下解锁编辑全屏后可以直接在上面画改编辑结果以有边界的修改摘要 本地场景/PNG 路径排队发给 Agent由 Agent 回写到 Mermaid 源码——源码始终是权威导出文件与浏览器里看到的完全一致。图表主题自适应Mermaid 图表按页面实际背景自动选择深浅渲染切换主题无需重新生成会话存在感知面板实时显示 Agent 是否在监听Agent 没在听时反馈会排队保留不会丢失。移动端860px则折叠为底部对话抽屉手机上也能完成一轮评审。快速上手一条命令安装 Lavish 技能npx skills add kunchenguid/lavish-axi --skill lavish这就是全部的安装步骤无需 npm install。之后直接对 Agent 说/lavish 帮我把我们的方案画成一个页面讨论一下或者零安装直接说用npx -y lavish-axi把我们讨论的内容写成一份技术方案。 完整命令与参数参考见 README.md 的 CLI Reference 与 CONTRIBUTING.md源码构建方式则是git clone https://gitcode.com/gh_mirrors/la/lavish-axi cd lavish-axi pnpm install --frozen-lockfile pnpm run build总结小而准的人机协作中间件lavish-axi 的定位克制得近乎苛刻——只服务一个人 一个 Agent 一个本地 HTML 文件的评审循环见 VISION.md 的 Scope 章节。但正是这种克制让它把人机协作中最贵的两样东西——人的注意力和Agent 的 Token——都压到了最低Agent 侧文件路径做身份、长轮询零空转、TOON 紧凑输出、指引按需披露人类侧圈选即批注、图表即白板、检测被动不吵、手机端完整可用。如果你正为Agent 输出越来越像一份长文却越来越难被指点和修改所困扰那么 lavish-axi 给出的答案是让页面本身成为对话的载体让每一次指一下都能被精确送达。【免费下载链接】lavish-axiHTML is the new markdown. Lavish is the new editor for your HTML artifacts.项目地址: https://gitcode.com/gh_mirrors/la/lavish-axi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考