JarvisHub：Canvas 原生多模式创意代理的开放式框架

创意人工智能正在从单步资产生成转向长期多模式生产。尽管最近的生成模型可以合成高质量的图像、视频、音频剪辑、UI 元素、故事板、幻灯片和其他创意资产，但现实世界的创意工作需要的不仅仅是孤立的提示输出交互。它涉及参考、草稿、替代方案、编辑、失败的尝试、版本关系、工具操作、评估信号和人类反馈，它们共同形成了一个不断发展的项目状态。现有的基于提示、基于聊天和基于节点的生成系统仅部分支持这种状态，因为它们经常丢弃中间上下文、依赖线性对话或需要手动指定的工作流程。最近的商业系统表明了向代理辅助创意生产的转变，但它们的封闭架构使得研究代理如何表示上下文、选择工具、修改工件、从故障中恢复以及随着时间的推移保持一致性变得困难。为了解决这一差距，我们引入了 JarvisHub，这是一种用于长期多模式创作的画布原生创意代理工具。 JarvisHub 将可编辑画布视为用户工作区、代理的外部存储器、操作空间和共享项目状态，将多模式工件、依赖项、版本和反馈表示为类型化画布节点和链接。通过画布状态、协议桥和代理运行时的三层架构，JarvisHub 使代理能够在可检查和可编辑的创意状态下进行操作。这种设计使创意代理超越了孤立的工具使用，走向持续的、人类可操纵的创意自动化，代理可以逐步规划、生成、修改和组织多模式项目，而用户仍然能够在整个过程中检查、指导和干预。