别让AI直接吐3D模型：程序化建模才是AI辅助设计正解

最近收到不少朋友的私信都在问同一个问题“为什么我让 AI 直接生成一个 3D 模型出来的东西总是没法用” 有的导进 C4D 直接崩有的破面多到无法修补有的干脆就是一层“纸片”。其实这个方向从我个人的实践来看方向就搞反了。与其让 AI 直接吐 3D 模型文件不如换个思路让 AI 写代码再让代码生成模型。这个“上篇”先聊清楚背后的逻辑以及最核心的思路转变为什么你越想省事越省不了事为什么“写代码”这条路才是 AI 辅助 3D 建模的正解。我大概从去年开始系统性折腾 AI 辅助 3D 建模前前后后用过各种生成工具、在线平台也踩过不少坑。这篇不打算列一堆工具评测而是想把“AI 3D”这件事从原理层面拆开揉碎。咱们把“AI 直接吐模型”和“AI 写代码生成模型”这两条路线放在一起对比你就能明白为什么很多人做出的东西只能看不能用而换成程序化生成Procedural Generation思路之后局面就完全不一样了。1. 为什么“让 AI 直接吐模型”这条路走不通1.1 模型文件的本质不是一张图而是一堆逻辑关系很多人有个误区3D 模型就像一张高清图片AI 能画出以假乱真的图像那也一定能“画”出一个模型。这个类比从根上就错了。一张 JPG 图片本质是像素矩阵。每个像素存一个颜色值生成它不需要理解“这个像素旁边的像素为什么是这个颜色”只要分布合理人眼看着像就够了。但一个 3D 模型文件比如 OBJ、FBX、STL存的是顶点坐标、法线方向、UV 映射、材质 ID、骨骼权重、面片拓扑……这些数据之间存在严格的数学关系和逻辑约束。举个例子一个简单的立方体由 8 个顶点、6 个面组成。这 8 个顶点的坐标不能随便排列面片必须按顺时针或逆时针顺序连接法线方向得朝外UV 展开不能重叠。这还只是最基础的多边形网格Polygon Mesh。如果是 NURBS 曲面、细分曲面或者 CAD 里的实体模型B-Rep背后的拓扑约束就更复杂了每个面、每条边、每个顶点之间都要有严格的“缝合关系”。AI 直接生成一个文件相当于让一个天赋异禀的画家闭着眼睛画一张工程图纸。他能画出形似的东西但图纸上每个尺寸的标注之间必须满足数学关系——这不是“画”出来的是“算”出来的。目前绝大多数直接生成 3D 模型的 AI 模型本质上还是在做“图像空间的推理”并没有真正建立三维空间的逻辑一致性。1.2 直接生成 3D 的几个技术瓶颈我拆解过不少号称“文本生成 3D 模型”的工具背后的技术路线大概有这么几类文本 / 图像生成多视图再重建先生成物体的多个视角图再用算法重建出点云或网格。问题在于多视图之间经常对不上正面看是个椅子侧面看扶手消失了。重建出来的模型破面多拓扑混乱。隐式神经场NeRF / SDF用神经网络拟合一个三维空间的场函数再通过 marching cubes 算法提取等值面生成网格。这个方案生成的模型几何细节不错但提取出的网格通常面数极高动辄几百万个三角面工程上没法直接用。而且材质、UV 信息基本没有导入 DCC数字内容创作软件里就是一个“秃”模型。生成式对抗网络直接输出体素或点云这种方案的输出分辨率极低通常只有 32³ 或 64³ 的体素细节约等于马赛克离可用差得远。就算抛开技术细节不谈还有一个更致命的问题AI 直接生成的模型它不理解“可制造性”和“可编辑性”。你让 AI 生成一个机械零件它生成了一坨酷似零件的网格但网格拓扑完全随机没法倒角、没法挖孔、没法参数化调整。在工业设计或者 3D 打印的场景里这种模型等于废品。1.3 那 AI 到底能做 3D 建模的什么说了这么多“不行”并不是要否定 AI 在 3D 领域的价值。恰恰相反AI 能干的活非常多只是“直接生成模型文件”这件事不在它的能力射程之内。打个比方AI 就像一个特别聪明的新员工你让他独立完成一个高难度的雕塑他大概率搞砸但你给他一套精确的图纸和一台数控机床让他按程序走刀他能干得又快又好。AI 擅长的是生成“指令”代码、文本、参数而不是直接操作“底层数据”顶点、面片、材质。那 AI 到底能做什么在我个人的实践里最有价值的有这么几块帮你生成代码骨架你告诉它要什么效果它生成一段可直接运行的代码比如 Three.js 里的 3D 场景。帮你解释和修改代码拿到一段不熟的 Shader 代码让 AI 一行行解释再让它帮你把某个参数调大调小试效果。帮你写算法实现比如中轴变换、泊松重建、网格简化这些算法原理你看不懂但 AI 能帮你写出能跑的代码。帮你做参数化设计的“胶水”把多个库、多个功能粘在一起生成一个整体脚本。总结下来就是让 AI 做“生成路径”的规划者而不是直接做“生成结果”的执行者。2. 换赛道让 AI 写代码来生成 3D 模型的核心思路2.1 程序化建模计算机图形学的老底子程序化建模不是新概念游戏行业用了二十年了。简单说就是用代码定义规则由规则生成模型。比如一个螺旋楼梯你不需要手动去拖拽每一个台阶你只需要定义台阶的高度、宽度、数量、旋转角度然后写个循环代码会自动生成全部台阶。这样做的好处是什么可参数化、可复现、可修改。你觉得楼梯太陡改一个角度参数重新运行整个模型就更新了。不用手动去调几十个台阶。程序化建模的底层逻辑和“AI 生成 3D 模型”的热潮放在一起一下子就有了化学反应。AI 虽然不能直接给你一个完美的模型文件但 AI 可以帮你写程序化建模的代码。代码是文本文本恰好是 AI 最擅长的处理对象。2.2 为什么程序化建模适合 AI 写代码我说一个观点程序化建模是 AI 辅助 3D 建模的最佳切入点原因有三。第一代码输出的结果是确定性的。你写了一段 Python 脚本生成一个齿轮只要参数不变每次运行结果都一样。AI 偶尔出一段有 bug 的代码你能从报错信息里找到问题修改代码再来一次。这个“报错—修改—再运行”的闭环是 AI 直接生成模型完全不具备的。后者如果生成坏了你甚至不知道该从哪里下手修。第二代码是可校验的。写代码的过程中你可以随时打印日志、检查中间变量的值、画调试图。模型文件一旦生成它是一个整体你没法知道“这个顶点为什么在这里”但代码你可以一行行读完全掌控整个生成过程。这种“可控性”对专业用户来说太重要了。第三代码是可复用的。AI 帮你生成一段生成“花瓶”曲线的代码你改几个参数就能用在下个项目里。今天生成的模型文件明天想调整尺寸只能重新生成但代码你可以在几分钟内完成参数调整得到一系列变体。2.3 这个模式到底能干什么我自己的经验里“让 AI 写代码生成 3D 模型”这条路至少能覆盖这几个场景数学可视化比如生成黎曼曲面、分形几何、流体粒子系统用 Three.js 或 Processing 展示。这类模型手动建根本建不出来只能靠代码。生成式艺术与参数化设计像那个很火的“罗盘时钟”和“八卦罗盘时钟”的网页效果本质上就是代码驱动的视觉生成AI 写这种代码比人从头写快无数倍。工程建模像 OpenSCAD 这种代码化建模软件天然适合 AI 辅助。你用自然语言描述一个零件比如“一个带 4 个安装孔的底板长 100 宽 60 高 5孔直径 6定位在角落 10mm 处”AI 直接生成对应的 CSG构造实体几何代码导入 OpenSCAD 就能渲染。游戏资产批量生成程序化生成地形、树木、建筑模块代码写好了可以批量产出成百上千个变体。这些场景的共同点模型不是“画”出来的是“算”出来的。而“算”的过程正是代码的强项。3. 实操基础从零搭一个“AI 写代码建模”的工作流3.1 工具选型不同工具的取舍要把这个工作流跑起来先得选对工具。我试过不少组合下面这几个是最值得上手的各有千秋。工具语言 / 环境适合场景上手难度我的建议OpenSCAD专用 CSG 语言机械零件、3D 打印模型、参数化原型低如果你是搞硬件、3D 打印的直接入这个Three.jsJavaScript WebGL网页 3D 可视化、交互式展示中适合前端开发者做完直接发链接给客户看Blender Python APIPython游戏资产、动画、视觉效果中高适合已经有 Blender 基础、想批量生成复杂资产的人Rhino GrasshopperPython / C#建筑、工业设计、复杂曲面高专业设计用户的选择AI 辅助价值大但门槛高Pure Python TrimeshPython批量处理模型、算法验证、几何分析中适合要写工具链、做模型数据分析的工程师我个人的起步建议是OpenSCAD AI 聊天工具这个组合理由有三OpenSCAD 的语法极简半小时就能学会代码和模型一一对应出错了非常好排查免费开源跨平台。AI 写 OpenSCAD 代码的能力也非常强因为社区里有大量开源示例代码作为训练数据。3.2 提示词怎么设计核心不是“要模型”是“要逻辑”很多人用 AI 生成代码失败问题出在提示词写得跟对着搜索引擎说话一样。比如“生成一个 3D 模型”这种提示词既不具体也没有约束条件。AI 只能给你一个最大的、最通用的回答——往往不满足你的需求。写提示词的核心思路是把“你想要什么”翻译成“这个模型的逻辑结构是什么”。比如你想做一个马克杯别上来就说“我要一个马克杯模型”而是拆解它的几何特征杯身一个圆柱体底部封闭顶部开口杯柄一个环形曲面附着在杯身侧面壁厚如果是要 3D 打印的还需要挖空内腔然后把这个拆解结果用自然语言告诉 AI再让它生成代码。我在实践里发现只要把几何逻辑描述清楚AI 生成的代码基本一次就能跑通剩下的只是微调参数。3.3 一个最小案例让 AI 写 OpenSCAD 代码做旋转楼梯光说不练假把式我拿一个真实的案例来完整走一遍流程。目标做一个旋转楼梯的 3D 模型半径 50每级台阶高度 15宽度 20总高度 300也就是 20 级。按传统建模你得手动复制、旋转、对齐 20 次用代码也就是一个 for 循环的事。我用中文给 AI 发提示词“用 OpenSCAD 写一个旋转楼梯参数如下每级台阶宽度 20高度 15向内延伸 15旋转半径 100总高度 300。台阶可以用立方体再旋转到位。给我完整的代码。”AI 返回的代码大致是这个思路实际生成会略有差异这是核心逻辑的还原版// 旋转楼梯参数 step_width 20; // 每级台阶宽度弧长方向 step_height 15; // 每级台阶高度 step_depth 15; // 每级台阶深度径向 radius 100; // 旋转半径 total_height 300; // 总高度 step_count total_height / step_height; angle_per_step (step_width / (2 * PI * radius)) * 360; for (i [0 : step_count - 1]) { rotate([0, 0, i * angle_per_step]) translate([radius - step_depth / 2, 0, i * step_height]) cube([step_depth, step_width, step_height], center true); }这段代码我加了一些注释方便理解。核心逻辑就三行rotate([0, 0, i * angle_per_step])绕 Z 轴旋转每次转一个台阶的角度。translate([...])把台阶放在以半径为中心的位置并向上移动。cube([...])生成立方体作为台阶本体。把这段代码粘进 OpenSCAD按 F5 预览一个旋转楼梯就出现了。整个流程不超过 5 分钟而且台阶数量、高度、半径都可以改参数后立即看到新结果。这就是“AI 写代码生成模型”的威力AI 负责把几何逻辑变成代码你负责定义参数和检查结果。当然这只是最基础的版本没有扶手、没有弧形台阶、没有中心柱。但这就是一个很好的起点——你可以继续让 AI 帮你加功能比如“给这个旋转楼梯加上扶手栏杆”“把台阶的立方体换成弧形段做成真正弯曲的台阶”。一个复杂的模型就是在这样的迭代中逐步搭起来的。4. 常见问题与排查技巧实录实际操作中总会有各种幺蛾子。我把这段时间遇到的典型问题和排查经验整理了一下相当于一份速查表。4.1 AI 生成的代码报错这是最常遇到的情况处理思路很简单把报错信息原样发给 AI让它自己改。很多 AI 工具支持多轮对话直接把错误信息粘贴回去它会自己分析原因并修改代码。但有两个坑要注意第一个坑版本兼容性。有些 AI 训练数据里的代码用的是旧版 API拿到新版环境里跑会报错。比如 Three.js 的 r150 版本之前和之后几何体创建的 API 变化很大。解决方法是在提问时注明版本号比如“使用 Three.js r160 版本”“使用 Blender 4.0 的 Python API”。第二个坑AI 会“将错就错”或者无限循环。有时候 AI 修改后的代码会引入新问题你要学会判断它是不是在“编造”答案。如果 AI 连续改了两三次还报错别死磕换个思路重写。我会直接说“不要修改现有代码给我换一个完全不同实现方式的代码”往往会有奇效。4.2 模型尺寸不对、单位搞混3D 建模里单位是个大问题。OpenSCAD 默认单位是毫米Three.js 默认是米Blender 里可以设置常见的有毫米、厘米、米。AI 生成的代码里如果有“单位不敏感”的默认值你导出的模型尺寸就可能差出十万八千里。实践里我遇到过最离谱的一次AI 给了一段生成“长方体”的 Three.js 代码参数写的是new THREE.BoxGeometry(100, 100, 100)我以为是 100 米直接导入 Blender 才发现模型大得离谱——100 个单位的 Cube 在 Blender 里按米算就是 100 米。解决办法很简单在提示词里明确单位比如“所有尺寸单位都是毫米”“模型尺寸控制在 50 毫米以内”“导出 STL 时注意单位转换”。另外在代码里也要写清楚 scale 参数或者干脆写死一个全局缩放变量比如scale 0.001把毫米转成米方便调整。4.3 生成速度慢、迭代成本高让 AI 写代码生成模型虽然比直接生成模型文件可控但也不是“一键完成”。每次修改提示词、生成代码、运行调试都需要时间。尤其是用 Three.js 做复杂场景或者用 Blender Python 处理大模型迭代一次可能要等很久。我的做法是把整个项目拆成小块一次只让 AI 干一件事。比如做一个“旋转楼梯带扶手”的模型我把它拆成几步让 AI 先生成台阶主体。模型能正常显示了再让 AI 加扶手。扶手效果没问题了再让 AI 调整细节比如扶手的截面形状、颜色材质。这种“小步快跑”的方式出错时定位问题更精准不会出现“整个模型全是 bug不知道从哪改”的情况。4.4 复杂模型力不从心AI 写代码不是万能的遇到特别复杂的几何逻辑AI 生成的代码要么报错要么效率极低。比如你想生成一个“随机的、带渐变倒角的不规则多面体”这种既要几何逻辑又要美学控制的需求AI 很难一步到位。这种情况我的处理方式是把问题“降维”先把大模型拆成多个子模块分别让 AI 写再让 AI 拼接。比如一个机械臂模型拆成底座、臂杆、关节、夹爪每个部件单独生成最后用组装逻辑组合起来。这样即使某个部分生成的代码有问题也不会影响到其他部分。或者更进一步让 AI 写一个“参数敏感型”的模板你用参数控制形态。比如用一个random_seed参数控制随机性用一个contour_angle参数控制倒角大小这样每次运行代码都能得到不同的变体但整体的逻辑是稳定的。这比让 AI 每次生成一个全新的代码要可靠得多。最后再分享一个小技巧建一个“提示词库”。把我前面提到的那些好用的提示词、AI 生成的代码模板、踩坑记录全部攒下来。下次遇到类似需求直接复制修改不用每次从零开始。我个人的习惯是放在一个专门的 Git 仓库里按工具分类OpenSCAD、Three.js、Blender Python、Trimesh。时间长了这比任何教程都有价值。关于“别让 AI 直接吐 3D 模型让它写代码”的上半部分核心的心法就这些理解模型是算出来的不是画出来的掌握程序化建模的基本思路搭好工具链和工作流剩下的就是不断试错而已。下篇会深入具体的实战案例比如用 Three.js 做网页版交互模型用 Blender Python 批量生成游戏资产到时候再跟大家细聊。