聊天界面仍是大语言模型（LLM）任务的主要入口，但模型只能看到当前对话，无法感知周围的工作空间。我们提出 元访问 的概念，即为助手提供结构化、受限的界面视图，并划分为五个层级：特性教学、元数据/设置/偏好访问、基于摘要和消息的检索、确认后的变更以及完整编排。元访问能够把多个界面合并为单一入口，实现搜索、导航、组织和操作，同时也带来 grounding、隐私、提示注入和信任等风险。通用的 agentic 框架本质上是运行时，因其可以自改设置，元访问必须具备独立的控制平面以保持反射式安全。我们在 Meta Chat 原型中实现了这些想法：从摘要、设置和相关消息构建有界上下文；将对话、主题和角色关联为可追溯引用；支持确认后可逆的修改；提供可浏览的教程库；推荐用户发起的角色对话。通过以结构化形式暴露应用状态，元访问可以把屏幕阅读器的功能从单个控件描述扩展到语义化的工作空间操作。于是聊天不再是单一会话的窗口，而是整个工作区的控制层，使得在 IDE、仪表盘、办公套件和操作系统中嵌入的助手能够在不失去用户控制的前提下实现更强的 agentic 能力。点评