应聘 AI Agent 工程师，面试官问了一个这样的问题，我刚好做过，如图。问：在 LLM 流式输出模式下，如何最大限度的保证 UI 渲染的性能？核心是别让 UI 做蠢事： 1. 不要每次 token 到来都从头渲染整段内容应该增量追加节点，或按节流窗口批量刷新。否则输出越长，每次重绘成本越高。 2. 不要塞重型 UI 组件。比如现成的代码高亮渲染、重型表格等，可以自己封装轻量渲染组件。 3. 流式渲染要节流 LLM token…

一位工程师在 X 上分享了面试 AI Agent 工程师时关于 LLM 流式输出 UI 渲染性能的回答，核心思路不是“更快地重绘”，而是“少重绘、轻节点、按需交互”。这类实践正在成为大模型应用前端开发的通用经验。

一句话看懂：一位工程师在 X 上分享了面试 AI Agent 工程师时关于 LLM 流式输出 UI 渲染性能的回答，核心思路不是“更快地重绘”，而是“少重绘、轻节点、按需交互”。这类实践正在成为大模型应用前端开发的通用经验。

事件核心：发生了什么

2026 年 8 月 1 日，网友“山中大熊”（@xiongchun007）在 X 平台发帖，讲述自己应聘 AI Agent 工程师时遇到的一道面试题：在 LLM 流式输出模式下，如何最大限度保证 UI 渲染性能。他给出五条实践建议：不要每次 token 到达都从头渲染整段内容，而应增量追加节点或按节流窗口批量刷新；避免塞入重型 UI 组件，自行封装轻量代码高亮和表格渲染；以 100-300ms 间隔合并刷新，不追赶每个 token 的节奏；把二次加工、审批等交互能力与渲染能力分离；长对话场景下使用虚拟滚动，只渲染可视区域。该帖获得约 3200 次浏览，评论区还提到了 MarkStream 等现成方案，讨论仍在继续。