Blender Kiln：AI 建模缺的不是生成能力，是交付前的度量

一个自称做完的模型，被另一个 Agent 看穿了。

这是 Blender Kiln 仓库里最不起眼、也最能说明问题的一条记录：一个吉祥物模型，建模的会话自己检查完、认为可以交付；换一个新的审核 Agent 只看六张渲染图，第一轮就列出 16 个被漏掉的缺陷——头发上的火苗被读成犄角、手掌没有手指、后颈秃了一块。

GitHub：elithril/blender-kiln（MIT，作者 Nicolas Dolphens）
依赖：Blender 4.4 及以上，基准测试跑在 5.2.2
定位：一个 Claude Code 插件，把 3D 资产的生产流程写成 31 条铁律 + 27 份参考文档

它已经被引在 3DCodeBench（arXiv:2606.01057）的第一节里。但真正让我想写它的不是这个，是它对自己的要求：仓库的贡献指南只有一句话——主张必须被测量，不能靠推理。

所以本文不讲「AI 也能建模了」，只讲一件事：一个 AI 交出来的模型，怎么证明它能用。

一、三个数字，三种「像」

先看三组数，它们分别代表三种完全不同的「像」：

场景	数字	它证明的事
修一份生成器输出	191,520 面 → 9,000 面，11.4 MB → 0.63 MB	能跑，不等于能装进游戏
从照片重建灯笼	形状分 0.885 → 0.888，跑完 8 轮审核	分数不动，缺陷会动
同一件资产的开销	$6.04 → $13.19	质量不是免费的

第一行是「能运行」和「能交付」之间的差距。第二行是我认为最值得读的一段：审核轮次把分数从 0.885 推到 0.888，几乎等于没动；但同一批资产被审出来的缺陷，是 16 个这个量级。第三行是它的价格——单件成本翻倍。

这三件事放在一起，才是一个可用的判断：AI 3D 的瓶颈不在生成得多像，而在没人拿数把它量过一遍。

二、一个生成结果，离可交付还差六件事

文生 3D 工具的交货方式是「一个能打开的 GLB」。生产端的收货标准是另一套：

生成器通常给到的	交付要求
面数不可控	面数落在设定的档位内
拓扑乱、有洞	闭合、法线一致、无非流形边
材质只存在 Blender 里	glTF 里材质节点不丢
尺寸靠猜	1 单位 = 1 米，底面落在 Z=0
没有日志	每个阶段留 Checkpoint，可续跑
没人复核	有人（或另一个 Agent）签过字

kiln 的仓库里有一份现成的对照：一份原始的 TRELLIS 输出，191,520 个三角面、11.4 MB，带着 13,732 条非流形边和 10,220 条开放边。修完是 9,000 面、0.63 MB、两条边数都是 0——玻璃球太薄、撑不过体素重网格，于是按它的剖面用旋转体重建了一遍，整件再闭合、减面。整个过程 16 分钟。

同一份生成器输出的修前与修后

左边是生成器的交货状态，右边是 kiln 交付的 GLB：面数与边数不是「优化」，是两个不同物种。

这段流程里没有一步需要模型「看懂」什么：非流形边能数，开放边能数，薄壁能不能活过重网格能测。kiln 的设计正是把这类判断从模型手里拿走——交给脚本。

三、四层：谁判断，谁执行，谁不撒谎

kiln 的四层结构

模型负责判断，SKILL 负责约束判断，Python 负责在模型判断错的时候把它拦下来。

从上往下看：

Claude Code 只做两件事：读懂 brief，决定这一件用脚本建模、用几何节点、从市场拿，还是交给生成模型。默认是脚本建模，不接任何 AI 后端。
plugin/SKILL.md 是 31 条铁律（26 条核心 + 5 条批处理专用），配上 27 份 references/、约 7,600 行。它的用法不是「塞进上下文」，而是每个阶段开始前必须先读完对应那一份，读完再动手。
两个执行面：Blender MCP 给模型「手」（ahujasid 的 mcp-for-blender 自 2.1.9 起 9 个工具，以及 Blender 基金会的官方 Lab MCP，两套都支持）；Python 工具给「尺」（print_check、uv_check、fidelity_check、flatten 等）。
Blender 4.4+ 落地，产物按用途分到 web/、game/、ar/、print/ 四个目录，每个目录带自己的检查结果。

铁律里最能说明这套设计取向的几条：

Rule 4：永远不硬性限制面数。超了就提醒，不阻断——因为一个人物和一个木箱不该用同一个预算。
Rule 6：永远不静默销毁。减面、简化、删除，一律先给前后对比、等用户选，连 auto 模式也不放开。
Rule 7：阶段不写日志就不算完成。作者是在实测里发现这条必须写死：三个被要求「每阶段写日志」的会话，最后都只在开头写了一次。
Rule 20：永远不用 gltf-transform optimize。它内部带 simplify，会顺手把几何削掉。

这不是提示词工程，是流程工程。把「模型该判断什么、脚本该判定什么」切开来，是它和「给 AI 一段 prompt 让它建模」最本质的差别。

四、九段流水线，一道横切的关卡

kiln 的流水线与审核关卡

CONFIG 到 EXPORT 是可枚举的；REVIEW ROUNDS 不在序列里，却横切每一件资产。

九个阶段，每个阶段有自己的入口文件和出口条件：

阶段	这一阶段真正在做的事
CONFIG	先问用途：Web、游戏、AR、3D 打印，四套参数完全不同
BRIEF	把自然语言整理成结构化规格（类别、风格、面数档、格式）
SOURCE	选来源：脚本、几何节点、市场、生成模型、参考图重建
IMPORT	命名、尺寸、原点、朝向、场景组织——最容易被跳过的一步
CLEANUP	合并重点、重算法线、清理孤立件、查融合边、应用变换
TEXTURING	优先用 CC0 扫描素材，再按照片调色；先查 UV 再烘焙
RIG · ANIM	只有角色和需要动作时进入，见第八节
OPTIMIZE	WebP 纹理 → Draco，分步做，永远不一步 optimize
EXPORT	材质导出审计通过才允许写 glTF；打印件必须 `print_check` PASS

打印是另一条支线：CONFIG 里声明「要打印」，后面的建模方式就变了（见第七节）。

五、审核轮次：换一双没有参与建造的眼睛

这是整套设计里我认为最值得抄的一条。

问题很朴素：创建模型的会话，也是判断模型好不好的会话。 它看到的是自己想造的东西，不是屏幕上真实存在的东西。

kiln 的做法是把这两件事拆给两个 Agent：

每轮产出一张 review sheet：6 个视角 + 1 个局部特写，彩色与 Clay 灰模各一套。特写专挑检查报出来的薄弱处。
每一轮交给一个新的 subagent，它只拿到 brief、参考图和这几张图，看不到建模过程、看不到上一轮的结论。
它逐条列缺陷，并区分「阻塞」与「细节」；每条都要给修法。
结束条件是连续两轮没有阻塞问题。道具最多 8 轮；角色和展示级资产至少 6 轮、最多 12 轮，之后还要再审动作。auto 模式不缩短轮次。

那 16 个缺陷就是这么出来的。还有一个更细的例子：角色行走时膝盖会「啪」地反折，建模会话没看出来，审核会话看出来了。

这套机制真正解决的，是评价权的问题。生成者给自己打分，几乎必然偏高；把打分权交给一个不知道你怎么建的第三方，才有意义。

六、分数几乎没动，抓到的东西变了

审核有代价，而且作者把代价也算进去了。

审核的成本与分数

成本几乎翻倍；分数落在重跑一次的波动范围里。

形状分的定义很具体：模型从正面、背面、两侧、顶部渲染，与真实物体的轮廓做重合度平均，1 表示一致——参照物是照片背后那个真实物体的 3D 模型，会话从头到尾见不到它。

资产	2.2.0	3.0（无审核）	3.0（有审核）	审核后开销
飓风灯笼	0.900	0.885	0.888	$13.19
弹药箱	0.774	0.936	0.948	$9.17
哥特椅	0.637	0.720	0.729	$14.39

三个结论，一个比一个不舒服：

审核对分数几乎没有贡献。 0.885 → 0.888、0.936 → 0.948、0.720 → 0.729，而同一条 brief 重跑一次的波动就有 ±0.02–0.03。灯笼跑了 8 轮撞到上限，原因是两个审核者对色调的判断不一致。
3.0 在一个 brief 上比 2.2.0 还差。 灯笼从 0.900 掉到 0.885。仓库把这一行留在表里，没有删。
真正的收益是缺陷被抓住。 16 个缺陷、反折的膝盖、糊在一起的手指——这些不进分数，但会让资产不能交付。

同一次基准测试里还有一组整体数字：19 条 brief（3.0 扩到 20 条，多了一条修 GLB）全部交付；3.0 的总开销 $54.06 → $75.87，多出约 40%；换成官方 Lab MCP 跑同样 20 条，全部通过，$84.97。

七、打印：从 brief 起就按打印机建模

3D 打印是最能暴露「生成模型 ≠ 交付资产」的场景：游戏模型允许有开放结构和悬空细节，打印件不允许。

kiln 的打印模式和别的分支不一样——它在画第一个基础体之前就按打印机建模：FDM 壁厚至少 0.8 mm、树脂 0.5 mm，闭合实体，平整底面，能避开的悬空在设计阶段就避开，浮雕做成几何，一个件会打到空中时就拆成两件分开摆平。

实测里最漂亮的一个数是 flatten.py 干的事：手工收尾的模型常常有一堆「本该平却没平」的面，还整体歪了一度。它把近似平面压成精确平面、把底面压到床上，风车那个模型的第一层从 629 mm 变成 3,317 mm——同时不碰曲线、倒角、真实斜面，任何顶点移动都不超过容差，输入文件永不覆盖。

检查端是 print_check：开放边与非流形边、法线、悬空与漂浮件、壁厚、最小可缩放比例（风车的主体「不要缩到 40% 以下」），再拿 PrusaSlicer 当第二意见。作者用 Bambu Lab P1S 实际打印了四件——风车（2 件、90 mm）、logo 铁匠炉（3 件、70 mm）、灯塔（50 mm）、卡口盖的 Art Deco 盒子——都是 kiln 导出的原样。

边界也写得很实：

只做装饰件，不做机械结构。需要精密配合的，去 OpenSCAD、CadQuery、build123d。
只跑 FDM，用 PrusaSlicer 默认配置；没有树脂切片、没有摆放方向搜索、没有支撑生成、没有构建体积检查。
零件之间靠胶粘或压配，固定不动。
不支持多材料文件：一个颜色要么被画上去，要么单独成一个件。

八、绑定与动画：四条路由，因为一种方法吃不下所有主体

/kiln animate 不是一个模型跑天下，它按主体分路由——这是它和多数「AI 动画」项目不同的地方：

主体	路由	备注
人形 + 现成动作	`presets.py`：22 个动作、43 段 Kimodo 动作	允许商用，脚落地、手臂不穿身
双足 / 带翼，从一句话	UniMate 文生动作，`motion_loop.py` 收尾	权重 CC BY-NC，仅限非商用
四足，idle 与 walk	`quadruped.py`：脚本化、带测量	四足永远不走 UniMate
可动道具（台灯、宝箱）	逐件打关键帧，每个旋转方向先量再定	没有模型权重

四足为什么被单独摘出来？因为实测过：同一套文生动作在猫、柴犬、马和作者自己的机器狗上都不可用，所以四足直接不路由过去。

角色本身是另一种做法：先做成一张皮（一组 metaball 或互相重叠的体，做一次体素重网格），这样肩、髋、颈弯曲时不会有接缝；再用学出来的自动绑定（SkinTokens，MIT，本地跑）把骨架交回来，换 Mixamo 命名、清权重、补眼皮和耳朵骨。

效果是用「弯曲时皮肤穿透皮肤」的比例量的：低模村民 3.15% → 0%，Q 版角色 1.34% → 0%，生成人形 0.74% → 0.45%。作者也照例写了代价：只在两个人形的一个姿势上比过，而且每次跑都不一样；SkinTokens 每个网格要 5.6 GB 磁盘和 7 GB 内存。

九、Kiln Studio：把「你来看一眼」变成一个可执行的输入

AI 生成的东西总得有人看。传统流程是：AI 出模型 → 人开 Blender → 发现问题 → 再回去跟 AI 描述。

Studio 是本地起的一个页面（Python 标准库，绑 127.0.0.1），把这段往返压进一个界面：模型在页面上转，发现提手太小，就在那个位置钉一条批注——它会记录 Blender 坐标、命中的物体和材质、相机、截图和特写——然后点「让 Claude 处理」。

实测的一条批注是「环太小，挂不上去」。Claude 在自己的 Blender 里改、重新导出、在批注上回复，附前后对比：环放大到 1.9 倍，其他地方没动，花了 $0.69 的 API 等价用量（官方 Lab MCP 是 $0.73）。

同一台机器上，手机扫码还能用 AR Quick Look 看模型，只读链接 15 分钟过期。这条链路的价值不在于界面，而在于反馈终于变成了结构化输入，而不是一段「提手有点小」的复述。

十、五条能搬走的设计

规则不是提示词，是带编号的约束。 31 条铁律可以互相引用（「见 rule 26」），可以被 CI 检查（verify_docs.py 验证每条被引用的规则真的存在、且说的是被引用的那件事）。
确定性的活交给确定性的工具。 边能不能闭合、UV 有没有重叠、壁厚够不够，这些不需要模型判断。模型判断这类事情时只能靠印象，而印象正是不可复现的部分。
把评价权和创作权分开。 生成者不给自己签字。这条可以直接搬到代码、文档、PPT 的生产链上。
把失败也发表出来。 3.0 在某条 brief 上输给 2.2.0，仓库把这一行留在表里；基准测试的波动范围也写在旁边。这比多一个漂亮数字有用。
成本要能被记账。 每一次跑都报 API 等价开销，然后才轮到你判断「多花的 40% 值不值」。

十一、局限

按重要性排：

成本翻倍是真的。 单件资产从 $4–6 涨到 $9–14；整轮基准从 $54 涨到 $76。审核轮次是这套流程里最贵的一环。
分数会骗人，作者自己承认。 形状分只比轮廓，不比材质和细节；同一条 brief 的波动 ±0.02–0.03，比多数改进都大。
许可证有硬边界。 UniMate 权重 CC BY-NC（非商用）；Hunyuan3D 的许可证明确排除欧盟、英国、韩国，所以 kiln 只在用户点名时才用；TRELLIS.2 本体是 MIT，但它用的背景移除 RMBG-2.0 是 CC BY-NC、图像编码器 DINOv3 走 Meta 的自有许可。
打印只覆盖 FDM 装饰件。 树脂、支撑、摆放方向、多材料，全在范围外。
质量仍要人看最后一眼。 审核者也是模型；两个审核者对色调的判断就能吵起来，灯笼那 8 轮就是这么耗掉的。
它绑定 Claude Code 与 Blender。 换 Agent、换 DCC 软件都得重写这套 SKILL。

十二、我的判断

kiln 值得读的地方，不是它能把照片变成模型——这件事 2026 年已经有很多人在做。它值得读的地方是：它把「AI 生产」拆成了可以被检查、被记账、被追责的步骤，然后老老实实公布每一步的价格。

我尤其认同两个设计。一个是把审核者做成独立 Agent 并强制换人：这是把软件工程里的 code review 搬进了 3D 生产，而且它解决了 code review 里最难的那部分——评审者不该是作者。另一个是把「不知道」写在明处：哪些数字是量的、哪些是假设、哪条 brief 输了，全在表里。

如果要判断这套方法能不能迁移，我会看三个指标，而不是看 demo 图：同一份 brief 重跑五次的分数分布、审核轮次抓到的缺陷数是否随轮次下降、以及单件成本在多少件资产之后开始摊薄。这三个数，kiln 已经给了一个可复现的模板。

项目与资料

技能定义：plugin/SKILL.md（31 条 iron rules）
基准与评分方法：docs/benchmarks.md
审核轮次：references/review-rounds.md
引用：3DCodeBench, arXiv:2606.01057

本文数据取自仓库 README、plugin/SKILL.md、docs/benchmarks.md 与 review-rounds 参考文档；所有分数与开销为作者在 Blender 5.2.2、Claude Opus 5.5 上的单次运行结果，随版本与模型变化。