一般，我們都是用文字描述人與人、人與物之間的互動過程，這個過程中除了主體，還有時間和空間特徵。如，1.一天，我走在路上：一天是時間，我就是主體，走是動作，路是主體，上是空間特徵。那麼，需要在繪圖界面時間線上標記一個點，然後從系統推薦的主體中選出人，把人放在路上（當系統拖動鼠標時，在路上會顯示出空間上的前後左右上下，當把人拖到路上時，紅色區塊就會高亮顯示）。2.我的包突然被路邊的一個人搶了過去：這個時候我們在時間線再做一個標記，將系統推薦的主體——包拖到我這個主體上，然後在拖動一個主體B到路上，拖拽一條線從主體B到我的包上，這條線上標明互動“搶”，然後再在時間線上做個標記，將包拖拽到主體B上，這樣描述B搶A包的過程。
主體：人（眼耳口鼻喉手頭）、物（刀、手機、微信、銀行卡、包、錢、車、斧頭……）
互動：線條、線條標註：打、搶、拿、奪、刺、捅、拽、抓、罵、吐、吸、聞、聽、看、撕、偷、摸……
空間：上、下、左、右、前、後、中
時間：一條軸
通過這樣的模型，將主體的活動過程在時空中描述出來，就像漫畫一般。
當我們輸入文字時，系統會自動提取主體，然後由人將其擺放在“舞臺”，每次做時間標記都是相當於抓拍一張圖片。
這樣一來，我們在輸入文字的過程中就將主體的互動過程以三維圖形的方式記錄了下來，同時也將各個元素篩選了出來，人機配合，可以降低一些工作量，圖形比文字描述的更加精確生動。