ldraw-nova v0.6.0：開源 AI 驅動的 LEGO 模型生成器

TL;DR – ldraw‑nova v0.6.0 的成就

可以為 LLM 代理提供設計簡報，規劃 LEGO 組裝，並輸出完整規格的 LDraw 原始檔 (.ldr/.mpd)。
生成的模型可立即在網頁版 3D 檢視器中查看、匯出至 Blender (.glb)，甚至串流至 Meta Quest 3 VR。
所有產出物（原始碼、渲染影像、對話紀錄以及代理的推理軌跡）都會保存以供檢查。

為何這很重要

從 AI 生成的程式碼創建實體、可組裝的物件一直是一個難題，因為大多數 LLM 很難處理 CAD 語言所需的底層幾何數學。透過鎖定 LDraw（一種簡單的 LEGO 組裝語言），該專案避開了幾何瓶頸：代理擅長編寫輸出 LDraw 的 Python 程式碼，而不是自己執行原始向量數學。這展示了一條用於實體物件代理設計的可行「最小阻力路徑」。

此版本提供的核心功能

功能	您將獲得什麼	產出方式
LDraw 原始檔	符合官方 LDraw 語言的完整 `.ldr`/`.mpd` 檔案	代理生成一個編寫 LDraw 檔案的 Python 生成器腳本。
多視角輸出	互動式 3D 檢視器、影像渲染、VR 串流 (Meta Quest 3)、可由 Blender 編輯的 `.glb`	內建於網頁應用程式中的無頭渲染管線。
可追溯性	完整對話紀錄、逐步代理推理、規劃 JSON (`plan.json`)	網頁 UI 會記錄每次 LLM 請求/回應以及生成的規劃檔案。
零件探索	用於尋找合適積木的語意搜尋 (JeV‑rerank) 或備用的全文搜尋	與 TypeSafe 的 JeV System One 模型整合；可選的 API 金鑰可提升排名。
碰撞與間隙檢測	在最終匯出前自動驗證零件放置位置	在迭代渲染迴圈期間執行的內建幾何檢查。

安裝簡介

複製兩個儲存庫（核心與 Docker 包裝器）的對應標籤。以 v0.6.0 為例：

git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova.git
git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova-docker.git

建置 Docker 映像檔 (需要 ≈5 GB)：

cd ldraw-nova-docker
docker compose build

執行服務：
```
docker compose up -d
```
存取 UI – 使用 https://localhost:8443 進行 VR（接受自簽憑證）或使用 http://localhost:8765 進行一般 HTTP 存取。
停止服務，使用 docker compose down。

注意： 若沒有 TypeSafe API 金鑰，系統將退回使用一般的全文搜尋，這可能會降低模型品質。

代理如何建構 LEGO 模型

提示輸入 – 使用者提供設計簡報。
指令讀取 – 代理讀取 instructions.md 和 LDraw 文件。
規劃 – 它建立一個 plan.json，描述所需的零件、子模型和美學目標。
迭代渲染迴圈：
- 將當前模型狀態渲染為影像。
- 檢查渲染結果、調整幾何形狀、重新渲染。
- 重複上述步驟，直到代理將模型標記為完成。
生成器建立 – 規劃被轉換為 Python 腳本 (generate.py)，該腳本會輸出最終的 LDraw 原始碼。
匯出 – LDraw 檔案被送入 LDView/LeoCAD/Blender 管線以進行視覺化和 VR 串流。

此工作流程實際上是一個 編譯器：LLM → 規劃 → Python 生成器 → LDraw 組裝語言 → 3D 模型。

代理知識庫 – 模型被教授的內容

儲存庫附帶了一套精選的 Markdown 指南供代理閱讀，涵蓋：

視覺設計原則、車輛與太空船工作流程、Technic 機構、模組化結構、幾何驗證以及零件查詢參考。
車輛、太空船、Technic 機器和模組化街道的範例圖集。
參考探索文件，協助代理定位可重複使用的子模型。

這些文件列在 README 的 代理資訊來源 表格中，旨在供 LLM 在規劃階段自動取用。

社群回饋重點 (Hacker News 評論)

"我一直在嘗試 FreeCAD + Claude，並製作了三個在第一次硬體修訂版中就能運作的功能性零件。最大的困難在於 AI 對組裝限制的理解。" – ash_091

"最近的一篇 arXiv 論文 (https://arxiv.org/pdf/2512.15743) 探討了使用 Opus 4.5 的相同想法；隨著像 Opus 5.5 這樣的新模型出現，我們可以期待更好的結果。" – vunderba

"下一步：AI 驅動的真實房屋建造。" – thomasfl

"機器人應用程式將需要將物理模擬整合到管線中。" – josh-wrale

"將傾倒的 LEGO 桶分類為數位庫存的工具將是一個自然的延伸。" – ttul

"它能創造功能性的 Technic 機構嗎？" – 1e1a

"對於 Astra、Opus 和 JeV 有任何代幣成本估算嗎？" – CptBroccoli

這些評論強調了三個反覆出現的主題：組裝可行性、建模物理學以及大規模生成的成本考量。

已知限制與路線圖項目

Meta Quest 3 上的 VR 效能仍不穩定；模型處理需要優化。
低階 LLM 支援 – 目前的管線假設使用高容量模型 (GPT-6 Astra, Claude Opus 5.5)。計畫針對較小的模型（例如 Luna, Haiku）進行調整。
生成速度 – 迭代渲染-規劃迴圈的計算成本很高；未來的工作將平行化渲染並快取中間幾何形狀。
模型多樣性 – 目前的範例專注於車輛、太空船和基礎 Technic；計畫增加更豐富的類別（人類、動物、複雜機構）。
手動驅動的組裝 – 目前對將印刷版 LEGO 說明書轉換為數位模型有部分支援；穩健性將隨著更好的影像轉文字管線而提高。

如何貢獻

儲存庫目前將 貢獻 (Contributing) 章節標記為 即將推出 (COMING SOON)。有興趣的開發者可以從以下開始：

Fork 儲存庫並嘗試替代的零件搜尋後端。
提交記錄幾何驗證或 VR 渲染失敗的問題。
為額外的 LEGO 子領域（例如機器人、建築模型）提出新的代理指令集。

總結

ldraw‑nova v0.6.0 證明了 LLM 代理可以透過將底層幾何委託給基於 Python 的程式碼生成器，可靠地生成完整、可組裝的 LEGO 模型，為 AI 驅動的實體設計開闢了一條實用的途徑。