Agent Builder by Thesys：让 AI 不再只会"说话"，还会"画界面"

2026-02-11 | ProductHunt | 官网

30 秒快速判断

这 App 干嘛的：Thesys 的 C1 API 让大模型不再只吐纯文本，而是直接生成可交互的 UI 组件——图表、表单、卡片、仪表盘，实时渲染，开箱即用。

值不值得关注：值得。如果你正在做 AI 产品，前端开发往往是最大的瓶颈之一。C1 把 "LLM 输出 → 可交互界面" 这个环节压缩到 2 行代码，说白了就是给 AI 装了一个"会画 UI 的嘴"。目前已有 300+ 团队在使用，完成了 400 万美元种子轮融资，赛道正处于爆发前夜。

和谁比：主要的竞品包括 CopilotKit（开源，更偏全栈）、Vercel AI SDK（开源，但需要手动写 UI）、Tambo（定位类似但更早期）。C1 的核心差异化在于：它不是框架，而是 API——改一个 URL 就能用。

与我有关三问

与我有关吗？

目标用户是谁：

• 正在做 AI Agent/Copilot 产品的开发团队
• 厌倦了为每个 AI 输出手写前端组件的工程师
• 想快速出 Demo 的 AI 创业者
• 企业级 AI 应用的产品经理

我是吗：如果你正在开发任何需要 "AI 输出可视化" 的产品——无论是数据分析 Agent、客服机器人，还是内部工具——你就是目标用户。如果你只是做纯后端 API 或者不涉及用户界面的 AI 服务，这个产品跟你关系不大。

什么场景会用到：

• 做 AI 数据分析产品 → 用 C1 让 AI 直接生成图表和仪表盘，不用手写 ECharts
• 做 AI 客服/销售助手 → 用 C1 让回复带表单、卡片、操作按钮，告别纯文本墙
• 做内部 AI 工具 → 快速原型，2 行代码就能让 AI "画"出交互界面
• 做纯文本聊天机器人 → 不需要这个

对我有用吗？

ROI 判断：如果你正在为 AI 产品写前端，花半天试试 C1 绝对值得。但如果你的产品对 UI 精度要求极高（比如设计工具、金融交易界面），C1 目前还做不到像素级控制，需要谨慎评估。

喜闻乐见吗？

爽点在哪：

• 2 行代码集成：改一个 baseURL + 加一个 React 组件，现有 LLM 调用立刻升级为动态 UI
• 模型无关：不绑定 OpenAI 或 Claude，换模型不用改前端
• 实时流式渲染：UI 不是 "生成完再显示"，而是像打字一样逐步出现

"哇"的瞬间：

"用 C1 把一大堆研报内容转成了一个可视化摘要，老板看了直接说：'这才是我想要的 AI 产品'。" —— Reddit 用户

用户真实评价：

正面："83% 的用户觉得 C1 的 UI 响应比纯文本墙更有参与感。" —— Thesys 官方数据 吐槽："AI 生成的 UI 还是偏通用，缺乏个性化，像是模板拼出来的。" —— Reddit 讨论 中性："像素完美的 UI 仍然是生成式界面的挑战，别期望它能替代设计师。" —— Reddit 讨论

给独立开发者

技术栈

• 前端：Crayon React SDK（自研），通过 <C1Component /> 渲染 AI 生成的 UI
• 后端：OpenAI 兼容 API，作为现有 LLM 调用的即插即用替换
• AI/模型：兼容任意 LLM（GPT-4、Claude、Gemini 等），通过 API 中间层转译
• 核心协议：C1 DSL（领域特定语言）—— LLM 输出类 XML 的结构化 UI 规格
• 基础设施：云端托管，支持私有部署（企业版）

核心功能实现

C1 的本质是一个 "UI 运行时层"。它在你的后端和前端之间加了一层：

1. 用户输入 Prompt → 你的后端收到
2. 后端调用 C1 API（而不是直接调 LLM）
3. C1 API 调用底层 LLM，但返回的不是纯文本，而是结构化的 UI 规格（C1 DSL）
4. 前端的 Crayon SDK 拿到这个 DSL，实时渲染成可交互的 React 组件

说白了，C1 做了一件事：教会了 LLM "说 UI 语言"。它用自己的 DSL 把 LLM 的输出约束成可渲染的格式，然后用配套的 React SDK 把这些格式变成真正的界面。支持工具调用（Tool Calling），可以接数据库、API 等外部数据源。

开源情况

• 开源吗：不开源，C1 本身是闭源 SaaS
• 类似开源项目：CopilotKit（开源全栈 AI Copilot 框架）、Vercel AI SDK（开源 TypeScript 工具包）
• 自己做难度：高。核心难点不在 SDK，而在训练/微调 LLM 让它稳定输出结构化 UI 规格。预计需要 3-5 人月，且需要大量的 UI schema 设计和错误处理经验。

商业模式

• 变现方式：API 用量付费 + 企业订阅
• 定价：
  • Essentials：$0（含 $10 免费额度）
  • Pay-as-you-go：按量计费，含优先推理、更高吞吐
  • Enterprise：定制价格，含私有部署、合规认证
• 用户量：300+ 团队（截至 2025 年 7 月）

巨头风险

中等偏高。OpenAI 已经在 ChatGPT 里做了类似的结构化输出（如 Canvas、Artifacts），Google Gemini 也在探索多模态输出。但巨头做的是"自家生态内的 UI 生成"，C1 做的是"跨 LLM 的 UI 生成中间层"——定位不同。真正的风险是：如果 OpenAI/Anthropic 原生支持了通用的"输出 UI 组件"能力，C1 的中间层价值会被压缩。短期内（1-2 年）问题不大，因为巨头的优先级目前不在这里。

给产品经理

痛点分析

• 解决什么问题：AI 产品输出纯文本，用户体验差；为每种 AI 输出手写前端组件，开发成本高
• 痛点有多痛：高频刚需。每个做 AI Agent 产品的团队都面临 "前端跟不上后端" 的问题。Thesys 引用数据称：83% 的用户觉得 UI 响应比纯文本更有参与感

用户画像

• 目标用户 A：AI 原生创业公司的全栈工程师，需要快速出产品，前端资源不够
• 目标用户 B：企业 AI 团队的产品经理，需要让内部 AI 工具"看起来专业"
• 使用场景：数据分析 Agent、客服 Copilot、内部知识库问答、AI 驱动的仪表盘

功能拆解

竞品差异

可借鉴的点

1. "2 行代码集成"的极简 DX：把开发者体验做到极致——不是 "5 分钟入门"，而是 "改一个 URL 就能用"
2. DSL 中间层策略：不直接竞争 LLM，而是做 LLM 和前端之间的 "翻译官"，巧妙避开巨头竞争
3. OpenAI 兼容设计：让迁移成本几乎为零，用户不需要学习新的 API 格式

给科技博主

创始人故事

• 创始人：Rabi Shanker Guha + Parikshit Deshmukh
• 背景：Rabi 毕业于 IIT Kanpur（2015），前 Google、Nutanix 工程师，曾任 DevRev.ai 工程负责人（将团队从零扩展到 150 人）
• 创业经历：Rabi 之前联合创立了 Payzie，后被 Google 收购。他是连续创业者，有过成功的退出经验
• 为什么做这个：在 DevRev 做 AI 产品时发现，前端开发是 AI 应用落地最大的瓶颈——后端模型能力飞速进步，但前端还在手写组件。于是决定做一个 "让 AI 自己画前端" 的基础设施

争议点/讨论角度

• 角度 1：生成式 UI 是不是伪需求？ 有人认为 AI 生成的 UI "缺乏个性、千篇一律"，真正好的产品需要设计师打磨。C1 解决的是 "有没有" 的问题，但 "好不好" 仍然需要人类参与
• 角度 2：闭源 API 的锁定风险。CopilotKit 和 Vercel AI SDK 都是开源的，C1 作为闭源 SaaS，如果涨价或关停，用户迁移成本极高
• 角度 3：中间层会被上下游挤压吗？ 如果 OpenAI 原生支持了 UI 输出，C1 的价值还在吗？

热度数据

• PH 排名：234 票，中等热度
• 媒体覆盖：InfoWorld、BusinessWire 等科技媒体均有报道
• Reddit 讨论：有真实用户分享体验，整体反馈正面

内容建议

• 适合写的角度："AI 不再只会说话，还会画界面——生成式 UI 会重新定义前端开发吗？"
• 蹭热点机会：结合 AI Agent 2026 年爆发趋势，强调生成式 UI 是 Agent 落地的关键一环

给早期采用者

定价分析

上手指南

• 上手时间：30 分钟内跑通第一个 Demo
• 学习曲线：低（如果你熟悉 React 和 OpenAI API 格式）
• 步骤：
  1. 运行 npx create-c1-app 创建项目
  2. 去官网控制台拿 API Key
  3. 把 Key 写入 .env.local
  4. npm run dev 启动，打开 localhost:3000 即可看到效果

坑和吐槽

1. UI 偏通用：生成的界面能用但不够精致，想要品牌化定制需要额外配置样式
2. 像素控制有限：别指望 AI 生成的 UI 能完美还原 Figma 稿，复杂布局仍需手动调整
3. 计费不透明：官网没有明确列出单次调用的具体费用，$10 额度能跑多少请求不明确

安全和隐私

• 数据存储：企业版支持零数据留存（Zero Data Retention）
• 隐私政策：明确声明不出售用户数据，符合 GDPR 等主流合规标准

替代方案

给投资人

市场分析

• 赛道规模：生成式 AI 市场正以 47% 的年复合增长率狂奔，2032 年将达万亿规模
• 细分赛道：生成式 UI / AI Agent Builder 是其中增长最快的子赛道之一
• 驱动因素：AI Agent 规模化落地，前端开发成为最后一公里瓶颈；企业应用从 "能用" 向 "专业" 升级

竞争格局

• 头部：OpenAI、Google（原生集成）
• 腰部：CopilotKit（开源框架）
• 新进入者：Thesys C1、Tambo（专注 API 层）

Timing 分析

• 为什么是现在：2025-2026 年是 AI Agent 落地关键期。模型能力已够强，但 "好前端" 稀缺，C1 切入点精准
• 技术成熟度：LLM 结构化输出（JSON Mode）已稳定，UI 生成是顺理成章的延伸

团队背景

• 创始人：Rabi Shanker Guha（IIT 背景，前 Google，有成功退出经历），在 DevRev 证明过大规模团队管理能力

融资情况

• 已融资：400 万美元种子轮（2024 年 6 月）
• 投资人：Together Fund、8VC

结论

Thesys C1 踩中了一个真实痛点：AI 产品的 "最后一公里" 不是模型能力，而是前端体验。用 API 的方式解决这个问题，切口小但价值明确。短期内值得关注和试用，中长期需要看它能否在巨头原生支持生成式 UI 之前建立足够的生态护城河。

资源链接

2026-02-11 | Trend-Tracker v7.3