← Каталог

· AI Engineer World's Fair 2026

Агентам достаточно HTML

HTML Is All Agents Need

Агентам проще и надёжнее создавать видео в HTML, CSS и JavaScript, чем в видеофреймворках с собственным DSL, и HyperFrames превращает такой HTML в детерминированный MP4.

  • Браузер как рендерер — часы в браузере замораживаются, и каждый кадр снимается только после загрузки шрифтов и ассетов, поэтому видео совпадает с превью. Так рендерятся Three.js, SVG, WebGL и Lottie.
  • Тонкая обёртка побеждает — команда перебрала разные обёртки и большие системные промпты, но лучше всех сработал обычный HTML с несколькими data-атрибутами для тайминга. Проверяли на Gemini 3 Flash: если маленькая модель пишет рабочий код, большие справятся тем более.
  • Навыки про вкус, а не синтаксис — skills учат композиции и движению, а язык модели уже знают. Постоянные evals, по словам авторов, поднимают качество видео с одного промпта.
  • Человек в конце цепочки — раскадровка, затем движение в HTML и правки в студии проекта. По словам авторов, open source пользователи за 90 дней отрендерили 1,3 млн видео.

Кому полезно: тем, кто хочет, чтобы кодинговые агенты сами делали видео для запуска продукта или фичи.

Статья по теме

На какие вопросы отвечает доклад

  • Почему агенты пишут видео лучше в HTML, CSS и JavaScript, чем в собственном JSON или DSL?

    HTML, CSS и JavaScript есть в обучающих данных моделей почти везде, а новый DSL заставляет модель говорить на чужом языке, и качество падает. Поэтому видео описывается обычной веб-страницей.

    ▶ 2:13Почему агенты создают видео на HTML, CSS и JavaScript
  • Почему агенту трудно делать хорошее видео в Remotion, и почему тонкая обёртка над HTML работает лучше?

    В Remotion агента приходилось учить синтаксису фреймворка и давать примеры, что отнимало творческую часть. Победила самая тонкая обёртка: обычный HTML с несколькими data-атрибутами для тайминга.

    ▶ 3:34Сравнение творческих инструментов и проектирование фреймворка Gemini 3 Flash
  • Как получить детерминированный MP4 из веб-страницы, если браузер грузит шрифты и картинки асинхронно?

    Часы в браузере замораживаются, и страница переходит к каждому кадру по времени. Перед скриншотом система ждёт загрузки всех ресурсов, затем кадры кодируются в видео, и превью с рендером совпадают.

    ▶ 7:30Асинхронный рендеринг в браузере и навыки творческих агентов
  • Как научить агента делать хорошо выглядящее видео с первого промпта, не обучая его фреймворку?

    Skills учат вкусу и монтажу, а не синтаксису, потому что агент и так знает HTML. Skill website-to-video берёт сайт, его ассеты и брендинг из Design.md и добавляет примеры базовых движений.

    ▶ 7:30Асинхронный рендеринг в браузере и навыки творческих агентов
  • Как совместить генерацию видео агентом с ручной правкой и анимацией по кадрам?

    Сначала раскадровка, затем движение по кадрам в HTML и CSS, а последнюю правку делают в студии открытого фреймворка: перетаскивание, подгонка и keyframes. Человек остаётся в цикле на финальном этапе.

    ▶ 10:54Итеративная доработка и редактирование HyperFrames с участием человека

Главы

Похожие доклады