<h2>[SUMMARY]</h2> <p>[SUMMARY]微軟研究院於2026年7月開源Flint，一種專為AI代理設計的視覺化中介語言。Flint透過語意規格將圖表意圖與實作細節解耦，讓AI僅需描述資料語意與意圖，編譯器自動補齊日期解析、座標軸、色階等細節。此技術可轉譯為Vega-Lite、A
[SUMMARY] 微軟研究院於 2026 年 7 月發表開源視覺化中介語言 Flint，一種專為 AI 代理設計的視覺化中介語言。Flint 透過語意規格將圖表意圖與實作細節解耦，讓 AI 僅需描述資料語意與意圖，編譯器自動補齊日期解析、座標軸、色階等細節。此技術可轉譯為 Vega-Lite、Apache ECharts 或 Chart.js，大幅降低 LLM 生成圖表時的錯誤率與維護成本，並已整合於 Data Formulator 與 flint-chart-mcp 伺服器。
微軟研究院（Microsoft Research）於 2026 年 7 月 8 日正式發表 Flint，一種專為 AI 時代打造的視覺化中介語言（Visualization Intermediate Language）[1][4]。Flint 的核心目標是解決大型語言模型（LLM）直接生成完整繪圖規格（如 Vega-Lite）時，因參數繁多而容易產生衝突、遺漏或幻覺（Hallucination）的問題 [1]。透過 Flint，AI 代理程式只需以「可由人員直接修改」的語意規格描述圖表意圖，編譯器則自動補齊日期解析、座標軸、色階、標籤與版面配置等技術細節 [1][4]。目前 Flint 已能將同一份規格轉換為 Vega-Lite、Apache ECharts 或 Chart.js 格式，並已應用於微軟研究院的 Data Formulator 專案 [1]。微軟同時釋出 flint-chart-mcp 伺服器，支援 MCP（Model Context Protocol）的 AI 工具可在聊天或程式開發環境中建立、驗證及渲染圖表 [1]。
Flint 的設計哲學是將「圖表意圖（Intent）」與「實作細節（Implementation）」解耦，類似 LLVM IR 作為編譯器的中間表示，Flint 則是圖表的中間表示 [1]。其規格分為「資料」與「圖表」兩部分：資料規格標示語意型別（如年月、價格、利潤、國家），圖表規格則指定圖表種類及欄位對應至 x 軸、y 軸、色彩、大小或 facet 等位置 [1]。編譯器依據資料語意與圖表類型，推導解析規則、聚合方式、數值格式、色彩配置及版面安排，例如利潤欄位自動採用正負差異色階，年月欄位套用時間解析格式 [1]。
Flint 的輸入可由人類或 AI 以物件形式（JavaScript/TypeScript）或 JSON 文件提供，經 Flint 編譯器轉換為 Vega-Lite、Apache ECharts、Chart.js 等繪圖庫的設定 [1]。測試顯示，Flint 在 GPT-5.1、GPT-5-mini 及 GPT-4.1 三組模型評分中，總分均高於直接生成 Vega-Lite 規格的 DirectVL 方法 [1]。
Flint 的開源將顯著提升 AI 生成數據圖表的穩定性與可維護性，降低前端工程師因 LLM 幻覺導致錯誤圖表產出的維護成本 [1]。對開發者而言，Flint 簡化了數據視覺化工作流，使 AI 代理能穩定產出高品質圖表，無需手動調整座標軸、色彩與版面設定 [1]。對企業而言，Flint 已整合於 Data Formulator，可嵌入資料或讀取本機檔案，支援互動檢視供使用者檢查與調整，提升數據分析效率 [1]。此外，Flint 支援多後端轉譯（Vega-Lite、Apache ECharts、Chart.js），使專案可靈活切換前端圖表庫，降低技術綁定風險 [1]。未來，Flint 可能成為 AI 代理程式在數據視覺化領域的標準中介語言，推動 LLM 在專業領域的可信度與實用性 [1]。
儘管 Flint 本身為開源工具且非資安威脅，但企業在導入 AI 生成圖表時，仍需注意以下防護措施：首先，驗證 AI 生成圖表的資料來源完整性，避免嵌入未經授權的本機檔案或敏感資料 [1]。其次，利用 flint-chart-mcp 伺服器的驗證功能，在渲染前檢查圖表規格是否符合預期，防止 LLM 幻覺導致錯誤視覺化 [1]。第三，限制 AI 工具對本機檔案的存取權限，僅允許讀取已設定允許存取的文件，避免資料洩漏 [1]。最後，定期更新 Flint 函式庫與 MCP 伺服器，確保使用最新安全修補版本，並監控專案網站與 GitHub 上的安全公告 [1]。