Codex+Blender 搭建一个可自由探索的3D世界

零基础打造交互式3D场景。

这个3D世界，就是这次用Codex和Blender折腾出来的，现在整个场景可以在本地浏览器里打开，人物也能进去探索。

跑步、跳跃，走到码头开船，拿矿镐采集矿石，或者在河边钓鱼...而这里面大部分工作都交给了AI。 

小编只需要负责提供参考图、提出要求以及检查效果，像建模脚本、网页代码以及后续修改主要由AI完成。

先说一说工具，这次用到的有Codex、Blender和Three.js。

Codex负责写代码和调度操作，Blender负责制作与导出模型，Three.js让这些模型在网页里显示和运动。

当然这里的Codex也可以换成像WorkBuddy这样的Agent去实现，最终效果还是取决于模型。

其中Blender在网站免费下载，安装后还需要配置Blender MCP，这样Codex才能查看和操作软件里的物体。

如果是第一次使用，可以参考这个开源项目，把连接丢给Agent安装就行。

装完重启Codex和Blender，并且在Blender的插件设置里确认已启用MCP for Blender。进入3D视图按N，找到MCP面板，没自动连接的话点击启动服务。

可以测试先让Codex创建一个立方体，换个颜色并保存工程，看到Blender里的物体跟着变化，就说明这一步基本打通了。

接下来正式开工了，把你想构建的场景先通过生图构建，再把参考图发给Codex，让它识别场景里的物体。

这里没有要求一口气还原整张图，因为模型越多，出了问题越难定位。我们先把图里的元素拆开，帐篷、篝火、宝箱、木桥、瞭望塔和石头遗迹都作为独立道具制作。

最初一共整理了18件道具，分成营地、交互物品、木构设施和遗迹四组，每件都有自己的尺寸、材质和文件。

给Codex的第一轮要求可以是这样：

分析这张参考图，整理其中需要制作的 3D 道具。先不要搭建完整地形。

按营地物品、建筑设施、可交互道具和装饰遗迹分类，为每件物体确定大致尺寸、朝向和用途。

优先使用 Blender Python 制作结构清楚、方便修改的模型，分别保存，并生成一张道具总览图。

Codex随后调用Blender的Python接口来搭模型。比如木桥，会先生成木桩、横梁和踏板，再按照一条下垂的曲线安排绳索。

宝箱则把箱身和箱盖分开，给盖子保留转轴，这样后面人物开箱时才有东西可以动。

这个过程还遇到了一个小问题。最初Blender的实时连接中断过，小编便让Codex改成编写Python 脚本，再调用本地Blender后台执行。

也就是说，MCP之外还有脚本这种办法，即使连接出了问题，依然可以继续制作道具。

当然，所有东西都让AI用代码建模也没必要。

复杂一点的物体，可以交给AI 3D生成工具。这次小编用的是混元3D，主要考虑到它能提供可下载的模型，方便后续继续处理。

如果更在意造型质量，也可以试试Tripo、Meshy或Hi3D等，不同产品的免费额度和导出条件需要自己确认。

还有一种办法更省事，就是直接找现成模型。

比如Fab的Quixel Megascans素材页，可以搜索石块、木材以及各种环境道具。

这次使用的一条小船、旧葫芦和容器就是外部GLB素材，下载后再交给Codex处理，容器最后还被改成了码头边的鱼篓。

整体体会就是，简单的规则物件交给代码搭建，复杂造型用生成工具，已有的高质量素材拿来调整，省下来的时间更适合打磨整张场景。

不过模型能看，还不代表能直接用。

第一轮检查就发现不少问题，帐篷支架悬空，吊桥的绳子没有接到桥头，宝箱铰链不太对，部分石头也出现了不合理的穿插。

小编让Codex给每件道具渲染正面、侧面和斜后方视图，18件模型一共拍了54张检查图，再逐个返修：

为每个道具生成正面、侧面、斜后方三张检查图，重点检查悬空、穿模、破面、结构连接和模型原点。

发现问题后只修复对应模型，并在修改后重新渲染。确保宝箱盖能单独旋转，桥梁和建筑的支撑结构完整。

接着就是导出模型。

这里用的是GLB格式，可以把模型与材质打包在一个文件里，后面交给网页读取。

Codex还负责减面、整理贴图和压缩文件，18件自建道具的三角面数量由约46.3万降到22.5万，最终GLB总量约30.2MB。

这个步骤对浏览器能否顺畅加载很重要。道具准备得差不多，就可以让它们出现在同一个空间里了。

小编让Codex新建一个TypeScript网页项目，用Three.js加载GLB，再根据参考图安排地形、河道、道路和模型位置。

这里最大的麻烦是摆放位置。

有的木箱看着贴地，实际只贴了模型原点，底部还悬在空中，后来改成检查物体真实的边界，再调整高度。

瀑布也是如此，最初水面和岩壁接不上，修改后才让上游水流与瀑布边缘衔接起来。

画面搭好后，小编又让Codex加了四套光照：白天能看清楚建筑和道路，黄昏的阳光斜着打进河谷，蓝调时段更适合拍远景，夜晚则会点亮营地灯光。

页面还加入了摄影模式，可以调整景深和辉光，很适合拿来做展示视频。

做到这里，其实已经有一个能旋转、能观看的3D世界了。不过还想通过第三视角亲自走进去看看，于是继续加人物。

人物模型同样通过GLB导入。麻烦的是，最初拿到的角色只有外观，没有骨骼和动画。

想让她迈腿、抬手、爬梯子，就得先绑定骨骼。

同样丢给Codex，先把原本约86MB的人物模型压缩到约5.3MB，再为人物制作了23根骨骼，接入网页角色系统。

第一次跑起来还有点好笑，人物动作非常僵硬，拿着矿镐时工具又大又别扭，跑步姿势看着像机械狗。

小编便让Codex继续调整手脚关节，并引入CMU的真人动作捕捉数据，处理走路和跑步动作，再让握持姿势跟工具的方向对齐。

有了身体动作，还要让她真的踩在地面上。这里用到了Rapier物理引擎，负责判断人物与坡道、楼梯、码头、船板的接触。

其他交互也是一点点加进去的。

这一步感受最明显的是，视觉效果只是3D场景的起点。当用户可以自由漫游，很多不易察觉的细节问题都会显现。

最后又让Codex专门检查了一轮浏览器适配，调整不同窗口尺寸下的布局，才算把这些细节处理得差不多。

折腾完这些，再看看最近AI搭建3D世界的进展，确实有点夸张。

最近的Anthropic工程师Felix Rieseberg用刚发布的Claude Fable 5.2，花了约8小时生成了一款第一人称射击游戏Saltline。

整个过程只给了一次提示词，中间没有人工反馈，连游戏里的3D模型、贴图和音效都是通过代码生成的。

不过这代价也不低，按照开发者提供的数据，API费用大约为550美元。

虽然现阶段的模型早就能制作3D场景了，但这次更让人感慨的是作品的完成度。通过可以持续编写大量代码，把一个简单的想法做成可以亲自体验的虚拟空间。

语言即世界，听起来有点夸张，但现在已经能看到一些苗头了。 

随着模型写代码和理解空间的能力继续提升，未来或许只需要描述自己想去的地方，AI就能搭建一个可以走进去的世界。

并且在前段时间，李飞飞和World Labs团队在聊世界模型时，还提到过一个很有意思的方向。

语言模型擅长预测下一个词，视频模型会预测后续画面，而他们希望AI能理解观察位置变化后，周围世界应该呈现什么样子。

这样制作的空间才有机会进一步支持编辑、交互和模拟，不会只停留在一段漂亮的视频里。

以后做互动故事、虚拟展厅或者在线的3D体验，这套方法都可以继续扩展。

至于下一步，小编更想试试让人物遇到NPC后可以自然聊天，看看这个河谷还能发生什么故事。

文章来自于“虾蛄AI”，作者“虾蛄内容部”。