让 AI 画出一张散点图已经不难，接着要求“圈选这里的国家，同时高亮另一年的同一批国家”，却会牵涉鼠标事件、选区、数据映射和多张图之间的状态更新。微软研究院 10 月 22 日介绍的 Flint-interactive，尝试把这些重复工作从一次性的生成代码中抽出来，交给语言和编译器处理。
它把交互分成三个环节：输入动作先变成有数据含义的事件，例如选中了哪些国家；事件处理器再决定改变样式、注释或视野；Flint Canvas 根据数据与图形的关系更新画面。开发者或 Agent 因而可以表达“选中这些数据后应发生什么”，减少逐个操纵底层图形对象的代码。自定义处理器仍然可用，并不是只能选择固定模板。
文中的例子把 1952 年与 2007 年的国家散点图联动：在一边框选，另一边会突出相同国家，便于追踪变化。相同思路也能用于图表与表格、文字之间的交互。预设的 linked brushing 把常见模式封装起来，MCP 接口则让 Agent 输出图表及 interaction_spec，让交互约定成为生成目标的一部分。
这项工作的吸引力在于保留定制图形的空间，同时复用事件解释和状态更新。发布文章展示了实现方式与例子，却没有给出受控实验中的开发时间、错误率或维护成本下降幅度。我们可据此判断它提供了更明确的实现接口，尚不能把“更可靠、更省事”的目标当作已经量化的普遍结果。