最近，微软研究院推出开源视觉化中介语言 Flint，主打一个核心思路：别让大模型直接硬凑“完整图表配置”，而是让AI代理先用人类可改写的精简语意规格，描述图表想表达什么，然后由编译器补齐实现细节，从而生成可用、可维护的成品图。
在传统做法里，主流可视化库往往给出大量参数选项——比例尺、基准线、数值格式、间距、图例等都能精细控制。但精简规格通常依赖系统默认值，结果可能与数据特性并不匹配；如果反过来要求LLM一次性生成完整Vega-Lite这类规格，又容易出现参数冲突、遗漏或难以调试维护。
Flint把“图表意图”和“具体绘图实现”拆开管理。它的规格由两部分组成：数据语意与图表语义。数据部分可以标注年月、价格、百分比、利润、国家或排名等语意型别；图表部分则声明图表类型，并指定字段如何映射到x轴、y轴、颜色、大小，以及是否需要facet把数据拆成多个小图。同时，编译器会根据这些语意推导解析规则、聚合方式、数值格式、色彩分配与版面布局。
举例来说，若利润字段需要区分正负差异，系统可自动选择更合适的色阶表达；年月字段则会套用对应的时间解析与坐标轴格式。这样，用户只需关注“要表达的含义”，不用在复杂参数海里反复试错。
目前，Flint支持把同一份语意规格转换为多种图表生态：Vega-Lite、Apache ECharts以及Chart.js，达到“写一次意图，多处渲染”的效果，显著降低生成图表配置时的出错率。
此外，微软还发布了 flint-chart-mcp 服务器，让支持MCP的AI工具在聊天或开发环境中完成图表的创建、验证与渲染，并可嵌入数据或读取用户允许访问的本地文件。生成后的图表还能以交互方式打开，方便用户检查与调整。
在测试中，微软将Flint与直接生成完整Vega-Lite规格的DirectVL进行对比，多组评测结果显示Flint在GPT-5.1、GPT-5-mini和GPT-4.1中都取得更高总分。Flint及相关项目（含flint-chart库与MCP服务器说明）也已对外公开。
