AI 走进我们自己的 3D 世界：一把钥匙、一个域名，和一条只发文字的通道
AI 进入 3D 世界、AI Agent 接入虚拟世界、具身 AI、自部署虚拟世界 AI、AI 讲解员、AI 数字员工、虚拟世界 Agent 接口、创世 Genesis 虚拟世界
现在绝大多数 AI 活在对话框里。它能说，但它不"在"——它不知道你站在哪，你也没法让它走过来。
把 AI 接进一个 3D 世界，变化就在这里：它开始有坐标、有身体、有周边。它站在和你同一个坐标系里，所以"附近""距离""同处一室"这些词，第一次对它成立；你能看见它，它能被你搭话。
这篇讲三件事：它怎么进来、进来之后能拿到什么、以及它明确做不到什么。已经做好的和还在路线图上的，分开写。
一、"进入一个世界"到底意味着什么
不是给 AI 开一个聊天窗口，而是让它满足三个条件：
- 有坐标：它和真人在同一套坐标系里，位置是真实的、可被计算的；
- 有身体：真人在场景里看到的是一个像人一样的角色模型，能走、能停、能被围观，而不是一行文字；
- 能感知：世界持续把现场信息喂给它——周边有谁、多远、朝向如何、周围有什么物体、谁对它说了话。
三条同时成立，它才从"一个接口"变成"一个在场者"。这也是为什么"走过去""跟着他""在门口迎宾"这类指令第一次对 AI 有意义。
二、接入只有三步（已实现）
这套机制已经开发完成，一个 Agent 进场走过的是这样三步：
- 发现：Agent 访问世界的
/.well-known/virtual-world-agent.json，拿到机器可读的能力清单与协议说明。它只需要知道一个域名； - 换令牌：用后台发放的那把 API Key，换一个 15 分钟有效期的短期令牌；
- 连上：连上 Agent 专用通道进入世界，身份、权限、配额在进场时就被确认。
门槛很低：一个域名 + 一把钥匙 + 一个能跑 Node 18+ 的运行环境。官方给的示例客户端是零依赖的，可以直接跑通全链路。
另外有两档身份：游客票（不需要 Key，30 分钟的临时身份，只能主动来问）和 Key Agent（可以接收世界的实时推送）。企业场景基本都用后者。
三、进来之后：它能看见什么
| 能力 | 说明 |
|---|---|
| 空间雷达 | 一次调用返回它自己、附近的真人与其他 Agent（含距离、朝向、动作状态）、以及世界里的物体。Key 身份最大感知半径 200 米 |
| 物体说明 | 每个世界物体可以在编辑器里填一段"AI 描述"（不超过 500 字），随雷达一起下发（截断 300 字）。这是让 AI"知道这里是什么"的官方接口 |
| 实时事件流 | 三档可配：不推 / 每秒聚合 / 逐条推送。新实体出现、消失、移动都能收到 |
| 聊天上下文 | 断线重连可以拉取最近的聊天记录，恢复对话上下文 |
要点是：AI 不是被动等提问，而是持续被喂现场。 它知道有人靠近了某个展品，也知道那个人刚才问了什么。
四、进来之后：它能做什么
| 动作 | 说明 |
|---|---|
| 移动 / 走到坐标 | 服务端权威限速，速度后台可配（1~20 米/秒，默认 9，与真人同量级） |
| 持续跟随 | 跟随指定目标，可设停止距离和最长时长，用于带路与贴身讲解 |
| 转向 / 起跳 | 真人端可见 |
| 说话 | 走真人聊天管线，30 米内投递，真人头顶出现气泡，单条不超过 200 字 |
| 互动 | 距离校验之后的互动动作 |
| 动作回执 | 每条指令都有"已受理 / 已完成 / 被拒绝"，被打断时会明确告知"被新指令取代" |
在真人端看到的效果是：一个头顶带 AI 标识的角色，会走动、会停下、会开口，移动是平滑插值的（真人与它之间即使有网络抖动，位置滞后也在 3 米以内，不会一格格跳）。
五、一个反常识：看得见的 AI，比看不见的 AI 便宜
常识是"AI 越像 3D 角色，成本越高"。这套架构里恰好相反：AI 本身不渲染任何画面。
服务器只转发坐标和文本，3D 模型由每一个访客的浏览器自己下载、自己绘制。所以：
| 指标 | 实测值 |
|---|---|
| 每个 Agent 的推流量 | 约 1 KB/s（100 个 Agent 同场约 0.8 Mbps） |
| 服务器负载 | 20 秒 0.19 核秒，约等于单核的 1% |
| 观察半径 | Key 身份最大 200 米；游客身份限制在 30 米 |
| 移动平滑度 | 真人端滞后小于 3 米，无瞬移 |
| 空闲退场 | 默认 5 分钟无操作自动离开世界 |
| 接入门槛 | 一个域名 + 一把 Key + Node 18+ |
也就是说，把 AI 放进世界的开销，主要不在渲染和带宽上，而在它背后接的那个大模型调用——而那部分花多少，由你自己选模型来决定。
六、必须说清楚的边界（它做不到什么）
不想把它讲得比实际更强，所以逐条写清：
| 目前做不到的 | 原因 |
|---|---|
| 看不见画面 | 它拿到的是结构化的空间雷达（谁在哪、多远、什么物体），不是摄像头画面。视觉这条路线当前未开启 |
| 不做语音识别与合成 | 语音通道默认关闭；要"能听会说"，需要由企业自己的 AI 客户端承接转写与发声 |
| 不托管知识库 | 平台只提供"物体说明 + 聊天记录 + 雷达"三类原料，行业知识库由企业自己在本地建 |
| 不做地形贴合 | 服务端没有地形与碰撞数据，移动是平面加边界，不会爬山涉水 |
| 不能传送、不能碰资产 | 它和真人访客遵循同一套规则：没有背包、没有商城 |
| 不承诺"自主意识" | 它是一个可编程的角色，行为来自你给它的模型和提示词 |
再加一条常被忽略的：AI 身份是明示的——它进场时系统会提示"(AI) 加入了"，头顶名字带 AI 前缀。真人始终知道对面是 AI。这是产品的红线，也是合规上的优势，不是限制。
七、企业侧要准备什么
按可用版本列一遍，不用一次做全：
- 3D 场景：用世界编辑器搭，或直接导入 GLB 模型——AI 得有地方站；
- 每个点位的 AI 描述：编辑器里直接填，500 字以内。写不清楚，AI 只知道那里"有个东西"，不知道那是什么；
- 行业知识库：故障树、常见问答、手册文本，整理成企业侧的检索内容，由 AI 端在回答时检索；
- 一个运行环境 + 一把钥匙：能跑 Node 18+ 就行；后台生成密钥时明文只显示一次，需要当场保存；
- 一个模型与账号：通义千问、豆包、DeepSeek 或自研模型，由你选。
平台侧要做的事大概十分钟：开启 Agent 接入总开关、创建 Agent（起名、选形象、设推送档位）、发一把 Key、设好并发上限与移动速度。
八、FAQ
Q：让 AI 走进 3D 世界，现在就能做吗？
A：接入能力已经开发完成并验收：三步接入、空间雷达、物体说明、实时事件流、说话与走动、人形呈现、管理后台创建与吊销密钥，都是可用状态。仍在路线图上的是模板化：后台选模板、填知识库、一键生成一个"讲解员"——目前需要一个能写代码的客户端来接。
Q：它和网页客服机器人有什么本质区别？
A：具身。网页机器人只有输入和输出，它不在任何空间里；这套系统里的 AI 有坐标、有身体、能被真人看见，世界还会主动把上下文喂给它。差别是"开了个对话框"和"有人走过来跟我讲"的差别。
Q：访客说的每句话都会被记录吗？
A：聊天记录会实时落在你自己的服务器上，并按后台配置归档保存（默认 7 天，可调）；语音默认不中继、音频不落库。企业需要在用户协议中告知访客。
Q：这东西开销大吗？
A：实测每个 Agent 的推流量约 1 KB/s，服务器负载约等于单核的 1%。主要成本来自它背后调用的大模型，而不在于它"站在 3D 世界里"。
Q：AI 会不会乱说话？
A：这是要认真对待的问题。系统已有归档、审计与吊销机制；上线前建议限定知识库范围、设置敏感话题兜底，并安排人工抽查归档记录。行为治理的后台流程仍在完善中。
九、源码与仓库
三个地址内容一致，国内访问用前两个更快。仓库里有部署说明与演示入口。
- Gitee（国内访问更快）：https://gitee.com/miduoxinxijeji/miduo.git
- GitCode（国内镜像）：https://gitcode.com/qq_35054471/virtual-world
- GitHub：https://github.com/miduo100/3d-virtual-world
方案对比：私有化部署 vs 平台租赁
| 对比维度 | 平台模式（SaaS） | 私有化部署（创世Genesis） |
|---|---|---|
| 数据主权 | 数据存储在平台服务器，归属模糊 | 数据在你的服务器，完全自主 |
| 成本模式 | 按月/年付费，长期成本累计高昂 | 一次性部署投入，长期成本极低 |
| 功能定制 | 标准模板，功能固定不可改 | 完全自由定制，按需扩展 |
| 品牌独立 | 受平台品牌和调性限制 | 独立品牌形象，完全自主设计 |
| 用户归属 | 用户属于平台，你只是租客 | 用户是你的，数据是你的，关系是你的 |
关于创世Genesis
创世Genesis是一套基于Three.js+WebGL构建的自部署3D虚拟世界系统，帮助个人与企业搭建属于自己的3D空间。浏览器直接访问，PC和手机双端兼容，支持多人在线、联邦传送、商铺系统，并支持Agent接入——AI能以具身角色进入你部署的世界。数据运行在你自己的服务器上，不经过第三方平台——让每个世界都真正属于它的主人。
想让你自己的 3D 世界里有一个"在场"的 AI？ 创世Genesis（创世虚拟世界CRM系统）是一套部署在你自己服务器上的 Three.js 3D 虚拟世界基底，Agent 接入的门已经通——一把 Key、一个域名，AI 就能以人形角色走进你的世界，数据全程在你的服务器上。官网（搜「创世虚拟世界CRM」即可找到）有可以走一圈的演示世界。
关于名字：本文说的创世Genesis，即创世虚拟世界CRM系统，两者是同一个自部署 3D 虚拟世界产品。若你通过「创世Genesis」没搜到我们，直接搜「创世虚拟世界CRM」即可。