我说「卡」「假」「丑」,AI 得自己找出背后是哪段代码、哪条规则。
这一阵我和一个 Agent 按《桃花源记》做了几个能在网页里走的 3D 世界,今天三个世界都上线了。
整个过程里,我给出的反馈几乎没有一句是技术语言。我说「一顿一顿的」,说「洞口的人走近又没了」,说「房子不好看」。真正决定进度的,是 Agent 能不能把这些体感翻译成具体的工程改动。
「简陋」不一定要靠外部服务解决
第一版做出来,我的评价是:「画面太简陋了,希望真实感十足,你认真找方案。」
Agent 调研后主推一个外部的世界生成服务,再用高斯溅射在网页里漫游。结果那个服务的网页版在它那边一直黑屏,导出还要付费套餐和 API 密钥,绕着绕着又要我开代理、给账号。
我打断了两次:「你自己生图不行吗」「你自己做,你能生图 生视频,足够了」。
方案推翻,回到 Three.js,用它自己生成的树木、墙面、瓦顶、远山素材升级,后来又换成真正的 3D 模型,加了水面和光影。概念图阶段我还否掉了低多边形风格:「不需要多边形,真实」。
它当时也说了实话:到不了照片级。我觉得这句话比效果图更重要。反馈说「真实感」,AI 最容易犯的错,是去找一个看起来能一步到位的外部方案,把复杂度转嫁给用户的账号和网络。能用自有能力闭环的,先闭环。
「卡」的一半原因,是看不见的地方还在满负荷渲染
画面上来以后,我说:「视觉可以,但还是显得卡顿,一顿一顿的,优化性能?,让加载效果更好。」
直觉的解释是 3D 太重。可查下来,问题有两半:一半是开场页的花瓣动画和资源加载抢同一条线程;另一半是开场页盖着的时候,背后的 3D 场景已经在满负荷渲染了,用户什么都看不到,机器却在全力干活。
改法对应着来:花瓣改成纯 CSS 动画,不再和加载抢线程;资源分批加载;移动端降级。最长的一次卡顿,从 11.5 秒拆成了 10 秒加 6 秒,后来压到 4 秒左右。要说明的是,这几个数字是在没有 GPU 的模拟环境里测的,只能看相对变化,不代表真实手机上的体感。
还有一条来自我的建议:「three.js你可以直接用本地、发布时带上就好了,这样体验好些」。国内访问公共 CDN 慢,库文件随站点一起发,少一个外部依赖。
「人走近又没了」,根因是物体没有自己的规则
接着我一口气报了三个问题:「1、洞口人物堆叠 2、跳水都去河里了 3、洞口下棋的两个老头,走近又没了 是不是游戏化的建模不足?」
这三个现象看起来不相干,根因是同一个:场景里的人和物没有各自的规则。人物生成时都落在原点,远处隐藏的逻辑又跳过了摆放这一步,所以才会挤成一堆,走近反而不见。
修法不是一个一个补,而是给每个实体补上它该有的属性:
| 现象 | 缺的规则 | 补上的属性 |
|---|---|---|
| 洞口人物堆叠 | 没有各自的位置和占地 | 出生点、占位半径,彼此不重叠 |
| 人物跑进河里,渔翁站在水中 | 没有活动范围 | 栖息地:陆地、船上、岸边分开 |
| 下棋老人走近消失 | 显示和隐藏只看一条全局规则 | 每个实体自己的显隐距离,25 米内不隐藏人物 |
我那句「是不是游戏化的建模不足」,其实已经猜到了方向。后来我又提了一句:「用游戏制作的方式优化美术设计、场景构思、npc、物理元素」。游戏行业早就把这些拆成了实体、属性和规则,网页 3D 也该照这个思路来,而不是把所有东西当成一张会动的布景。
「不好看」和「没人气」,要先拆成能检查的项
最难翻译的是审美反馈。我说过「我感觉现在房子设计的不好看」,也说过整个村子像「荒废的无人村」,还建议「在一开始给一个弱提示」,告诉人能做什么。
这类话没有对应的报错,Agent 只能自己拆:人气、操作引导、房子、性能、去露馅,每一块单独成一轮改动,每一轮都截图自查,再主动列出「还没做到的」。
截图自查是被事故逼出来的。早期出现过按钮中间的一个白点、被切掉一半的花瓣、压在人脸上的文字,这些在代码里都看不出来,只有截图才看得见。之后每一轮发布前,都要截图逐项核过。
目标清楚的时候,一轮就能收尾
今天上线的那一轮,效率是整个项目里最高的。一个「做到完成」的指令,把两个新世界、单站点迁移、官网入口一起收尾上线。
能这么快,是因为前面的事都对齐了。我之前问过一句「是不是一个域名一个站点就好」,于是定成一个站点下三个路径,不再每个世界单开一个地址。目标、路径、范围都清楚,执行就不用来回问。
上线以后我还是不满意,说人物「任务行动的不自然」,有些地方像「故意粗糙」,让它继续优化。这不是结束,只是这一轮的边界。
回头看,我给 AI 的反馈一直是体感:卡、假、丑、空。这些词本身不能执行。做 3D 这类东西,AI 真正的本事不在于生成多少素材,而在于把一句感受定位到一段代码、一条规则、一个属性上,再用截图证明它改了。