img2threejs: 通过 agent-led sculpting 从图像重建对象的程序化 Three.js 模型生成器

它解决了什么问题

img2threejs 将对象或角色的单张参考图像转换为程序化 Three.js 模型。与摄影测量或网格提取不同，它使用仅代码几何、基本图元和程序化着色器重建对象，确保结果对 AI 代理而言是可动画化且令牌高效的。

它是如何工作的

该项目使用分阶段的雕塑管道，将 AI 代理（如 Claude Code）与确定性的 Python 脚本集成。该过程遵循一系列严格的构建步骤：

1. 分析：系统将主题（对象、角色或混合体）进行分类，并创建一个 detailInventory，其中包含定义身份的特征（如倒角、螺丝、光泽等）。
2. 规格：它编写一个 ObjectSculptSpec JSON，用于定义组件树和材料。
3. 迭代雕塑：模型通过以下 passes 构建（blockout $\rightarrow$ structural $\rightarrow$ form refinement $\rightarrow$ material $\rightarrow$ surface $\rightarrow$ lighting $\rightarrow$ interaction $\rightarrow$ optimization）。
4. 审查循环：每个 pass 之后，Python 脚本会生成一个并排比较表（参考 vs. 渲染）。AI 代理会审查渲染结果，并根据视觉分数决定是 continue、refine-spec 还是 refine-code。
5. 输出：最终结果是一个 TypeScript 工厂函数，返回一个带有运行时层次结构（枢纽、插槽和碰撞体）的 THREE.Group，用于动画。

适用人群

希望通过图像生成 3D 资产而不依赖于沉重的网格文件或手动建模的开发者和技术艺术家，特别是那些使用 AI 代理来自动化 3D 创建工作流程的人。

亮点

• 仅代码重构：生成 TypeScript 代码而非二进制网格文件，使资产可进行差异比较和版本控制。
• 与代理无关：适用于任何具备视觉和浏览器工具的代理（例如 Claude Code、Codex）。
• 令牌高效：将机械任务（验证、PBR 提取、比较打包）卸载到 Python 脚本中，以节省模型令牌。
• 可动画化：包含一个带有枢纽和插槽的运行时层次结构，而不是生成静态网格。
• 严格的质量门槛：在规格足够详细以匹配对象复杂度之前，防止代码生成。