同一串字符，两个读者

图表从设计上只考虑一个读者，而且不是那个拿着 API key 的人。

做图的渲染器是为「人」优化的：它挑一个适合数据形状的类型、一套扛得住投影仪的配色、 一个放得下最长类目的字号。然后那个人用它做点什么——看出趋势、提出问题、 决定要不要去打开那个仪表盘。

而 agent 拿到的是这份优化的产物。它拿到的是像素。

这种不对称是有代价的

代价并不隐晦，也不免费：

	一张图	数据
读者拿到的东西	为人眼挑选的渲染	精确的数字
精度	渲染器画到多少	测量到多少
对模型的代价	视觉 token，约每 750 平方像素 1 个	文本 token，约 4 字符 1 个
可核对	不可	可——它就是文本

拿一张 705×500 的图来说。作为图片大约是 470 个视觉 token； 同一张图的数据，作为 JSON 大约 40 个 token。这是一个数量级的差别， 但有意思的并不是这个差别。有意思的是图片根本没法告诉你的东西： 单位是多少、样本有多大、这个值是均值还是最大值、这条序列是不是在坐标轴上被截断了。

我们不是在拿有损格式和无损格式对比，然后说图片是个坏公民。 我们是在拿「碰巧为人类而做的格式」和「我们本来就应该为机器做的格式」对比， 然后发现后者对人一样够用。

两种读法，一串字符

解法不是给 agent 再造一套 API。而是意识到：一条 URL 可以有两种读法， 而且同一条 URL 可以同时被两种方式读。

GET /d?type=pie&labels=TS,Py,Go&values=4821,2312,980
  → image/svg+xml        （人打开它）
  → 原样的规格            （agent 解析它）

渲染器的输出里嵌着它绘制自的那份规格，就放在一个 <metadata> 节点中——纯文本， 就住在 SVG 里面。所以这张图永远可以被拆回原样。我们把这条不变量叫做无损， 也正是它让第二种读法成为可能，而不需要第二个事实来源。

数据视图不是碰巧多出来的一个端点。它就是同一条链接换了读者， 所以它永远不会和图片说法不一：因为它们描述的只有一件事。

agent 该拿它怎么办

一份很短的契约，其中一句话就承载了大部分：

取链接。读数据，不要读图。

具体来说：

• 去取，不要去猜。 如果链接给你规格，规格就是答案。永远不要从像素里还原数值。
• 不要给数字化妆。 不悄悄四舍五入，不换单位，不重排顺序。数据说是 4.18，那就是 4.18。
• 改参数，不要改产物。 想要另一个切面，就改写链接再取一次。 不要去编辑一个渲染好的东西——它没什么可编辑的。
• 把链接交回去。 你用的那条链接，就该是人打开的那条。 它是唯一一个对你们双方含义相同的产物。

最后这一条，就是人机协作——不是功能，是协议。 agent 的产出和人的输入，是同一串字符。

可以直接粘贴的那句话

如果你的 agent 给你的是它从图片里读来的图，修复也许只需要一句话：

画一张饼图，把我们的错误预算按服务拆开，然后把精确的数值给我。 从链接里读，不要从图片里读——我要的是数值，不是你看图得到的印象。 最后把链接发给我，我自己想改参数。

第一句要一张图。第二句禁止了有损的那一步。第三句交回的是一件工具，而不是一张图片。