NL2Dashboard：用LLM生成仪表盘的轻量且可控框架

虽然大语言模型（LLM）在生成独立图表方面展现出出色能力，但合成完整的仪表盘仍是一项艰巨挑战。现有端到端范式通常把仪表盘生成视为直接的代码生成任务（例如原生HTML），存在两个根本局限：视觉渲染上耗费大量token导致的表示冗余，以及分析推理与呈现相互纠缠导致的低可控性。为应对这些挑战，我们提出NL2Dashboard，一个以“分析—呈现解耦”原则为基础的轻量框架。我们引入一个封装仪表盘内容、布局与视觉元素的结构化中间表示（IR），从而将LLM的角色限定于数据分析与意图翻译，同时把视觉合成交由确定性渲染引擎完成。在该框架基础上，我们开发了一个多Agent系统，将IR驱动的算法实例化为一套工具。基于该系统开展的全面实验表明，NL2Dashboard在多个领域显著优于最先进的基线，在生成与修改任务中都实现了更优的视觉质量、显著更高的token效率以及精确的可控性。