不知道用 AI 编程做什么：一套 3D 虚拟世界能改成的十二个方向

工具箱装好了，教程也看完了，模型能连上，提示词写得越来越顺。然后打开一个空文件夹，光标在那儿闪。

卡住的不是能力，是题目。

这是"想用 AI 编程"的人很典型的状态：不是不会写，是不知道写什么。于是又去做一个待办清单，或者一个博客，或者一个能对话的机器人——做完，存在硬盘里，再也没打开过。

这篇不是讲怎么用 AI，是给题目。

下面这十二个方向，都是拿一套已经在跑的浏览器端 3D 虚拟世界基座（创世Genesis，即创世虚拟世界CRM系统）当靶子，按工作量从半天排到一个月以上。每个方向写三件事：改什么、会撞上什么、怎么算做成了。

先说清身份和口径：这套东西是我们自己做的，所以有立场。文中技术细节来自仓库里能重跑的验收脚本，工作量是估计值，不是承诺。

许可口径：源码开放（source-available），本地跑不花钱；要联网、要商用、要联邦，需要订阅授权。

这篇讲四件事

1. 为什么"选题"比"写代码"难
2. 四条看起来合理、实际走不远的选题
3. 十二个能真正做出来的方向
4. 怎么从这十二个里挑一个

一、选题比写代码难，因为它没有边界

写代码有明确的完成信号：报错消失、测试通过、页面出现。选题没有。 你可以在"做什么"这个问题上耗掉几个月，而且耗的时候没有任何反馈告诉你"快到了"。

难点有三个：

没有验收标准。 "做个有意思的东西"——怎么算有意思？AI 也不知道，它会给你一个看起来还行、但你自己都不想打开的答案。

没有参照物。 从零开始的时候，你不知道什么规模是合理的。于是要么做得太大（三周后放弃），要么做得太小（两小时做完，没有下一层）。

没有边界。 空白画布上什么都能画，等于什么都没指向。

这三件事，换一个已经有结构的东西就全解决了。 不是因为它简单，是因为它给了你约束：文件在哪、状态是什么、改一处会牵动什么。你要做的不是从零想一个题目，而是在既有结构上找到一个"这里可以不一样"。

这句话是整篇的骨架：不是给你一个项目，是给你一个题目。

上图是这套系统自带的浏览器端 3D 编辑器：左边模型库、中间视口、右边对象列表与属性面板。看懂这张图，十二个方向里有一半就已经知道从哪下手了——它把"一个世界"拆成了可以逐个处理的对象。

二、四条看起来合理、实际走不远的选题

不是这些题材不好，是它们没有下一层。

选题	第一周的状态	为什么长不大
待办清单	增删改查跑通	加东西只有一种加法：再加一个字段。加到第五个就没有地方了
个人博客	首页能看，文章能发	剩下的活是排版和部署，不是开发
爬虫 / 数据看板	抓到数据，画了图	数据源一改就崩，而且过程看不见
聊天机器人	能对话，能记住上下文	调的是别人的接口，你能改的只有提示词

四条有一个共同点：关掉就没了，改坏了看不出，做完没有第三层。

判断一个选题值不值得做，问三个问题就够了：

1. 它有没有画面？ 改对了、改错了，能不能一眼看出来。
2. 它有没有验收？ 有没有一个"通过条件"，让你知道这一步成了。
3. 它有没有下一层？ 做完这个，还有没有下一个想加的东西。

三个都答"有"，才值得投入。这套 3D 世界的三个答案分别是：有画面、有验收脚本、层数多到能改一年。

三、十二个方向

先看总表，再往下看每个方向的具体说明。工作量是估计值。

#	工作量	改什么	会撞上什么
1	半天	换一套主题资产，把默认场景改成你的（校园、老家街道、产品展厅）	GLB 格式、贴图尺寸、模型原点与比例
2	半天	改界面文案、配色、欢迎语	文案在哪个文件、改了为什么没生效
3	半天	换掉默认角色，用你自己的 GLB 人物	骨骼兼容、动作重定向、比例
4	一天	排一条导览动线：出生点 → 三个看点 → 出口	触发范围、出生点朝向、碰撞
5	一天	加一个只在你这个世界成立的交互：要按才开的门、踩上去会亮的格子、只在一个区域响的声音	事件绑定时机、条件判断、多人时的状态
6	一天	给你的物体写 AI 描述，让讲解员能讲你的东西	描述表怎么填、AI 读什么不读什么
7	两三天	接一个自己的数据源：课程表、产品目录、设备清单，变成世界里的物件或看板	数据形状、接口、缓存、什么时候刷新
8	两三天	给 AI 角色一个行为：巡逻、跟随、只在某个区域说话	Agent 的接口能力，以及它的边界
9	一周	做一套主题资产包：统一视觉风格、统一材质参数	资产管线、LOD、draw call
10	一周	跑验收脚本做一轮性能优化，记录前后数字	读数字、什么改动影响什么
11	一周	适配手机：竖屏布局、触屏操作、加载顺序	移动浏览器、帧率、耗电
12	更长	给一个空间加共享状态：座位、开关、记分板	实时同步、弱网、冲突

下面逐个说。

1. 换一套主题资产（半天）

改什么。 把默认场景里的模型换掉，换成一整套同一个主题的：一个学校、一条你老家的街、一个产品展厅。这一步几乎不需要写代码，主要在资产目录、模型引用和摆放。

会撞上什么。 三个坑：一是 GLB 的格式和导出设置，有的模型导出来材质会丢；二是贴图尺寸，一张 8K 贴图能让加载时间翻几倍；三是模型的原点和比例——这是新手容易卡住的地方，模型会悬空、会陷进地板、会大得离谱。这不是 bug，是坐标系没对齐。

算做成了。 别人进来，不用你解释，能说出"这是一个学校"。

2. 改界面文案、配色、欢迎语（半天）

改什么。 首页的欢迎语、按钮文字、几个主色。目的是让它一眼不像"原版"。

会撞上什么。 看起来门槛低，但会教你一件真实的事：改了没生效。可能是缓存、可能是改的不是那处文案、可能是构建产物没更新。这三种情况的排查方式完全不同，而这个排查过程，就是工程能力本身。

算做成了。 找不到一句原版文案。你自己刷新三次，都不觉得哪里别扭。

上图是编辑器右侧的属性面板与对象列表。这一块是"改一个数、看一眼"发生的具体位置——尺寸、位置、颜色都在这几个输入框里。它也是新手第一次体会到"我动的这个东西，到底是哪一个"的地方。

3. 换掉默认角色（半天）

改什么。 用自己的 GLB 人物替换默认角色，让他能走、能跑、能跳。

会撞上什么。 骨骼。这是 3D 里比较硬的一块：骨架命名要对得上、比例要匹配、动作要能重定向。T 姿势不对，角色会歪；蒙皮权重有问题，胳膊会抽。这套系统里做过骨骼映射的兼容验证（四个来源的角色，67 个骨骼点对得上 67 个），但你自己的模型不一定在验证范围内。

算做成了。 角色站在地上，不是浮着也不是陷进去；走起来动作不抽搐。

4. 排一条导览动线（一天）

改什么。 出生点放在哪、先看到什么、接下来往哪走、在哪停一下、怎么出去。配上走近才出现的说明文字。

会撞上什么。 你会第一次意识到"空间是有语法的"。出生点转身看见一面空墙，人立刻不知道往哪走；动线太宽，人会乱逛；说明文字出现得太早，人会边走边读，然后撞墙。

算做成了。 找一个没来过的人，不说话，让他自己走完。他走错了，说明你的空间语言没写清楚。

5. 加一个只在你这个世界成立的交互（一天）

改什么。 一扇要按才开的门、一片踩上去会亮的格子、一段只在一个区域响的声音、一个走近才弹出的提示。

会撞上什么。 事件在哪绑、条件按什么顺序判断、多人同时在的时候状态归谁。这是从"摆东西"跨到"写逻辑"的那一步，也是这套东西真正开始需要读懂代码的地方。

算做成了。 条件对的时候触发，条件不对的时候不触发。后半句比前半句难。

6. 给物体写 AI 描述（一天）

改什么。 世界里每个物体有一张描述表，你往里填这个物体是什么、有什么可讲的。填完，AI 讲解员就能讲你的东西。

会撞上什么。 一个反直觉的点：AI 读的是你写的描述，不是模型本身。 它看不见画面。所以描述写得抽象（"这是一台设备"），它就只能讲得空泛；写得具体（型号、用途、和旁边那台的区别），它才讲得出东西。

算做成了。 你写进去的一条具体信息，能被它准确地讲出来。

7. 接一个自己的数据源（两三天）

改什么。 把一组你自己的数据——课程表、产品目录、设备清单——变成世界里的物件、看板或者可点击的卡片。

会撞上什么。 数据形状不匹配、接口跨域、缓存、以及一个容易忽略的事：数据变了，世界里的东西不会自己变。要么刷新，要么重载，要么自己写一个同步。这一步会让你真正理解"前端"和"数据"之间隔着什么。

算做成了。 你改一行数据，知道要做什么操作才能在画面里看到变化——知道，比"它自己变了"更有价值。

8. 给 AI 角色一个行为（两三天）

改什么。 让它巡逻、跟着你走、只在某个区域开口。这一步不需要模型能力，需要你把"行为"拆成它能执行的动作。

会撞上什么。 它的能力是有边界的，而且边界很具体：它看不见画面、不做语音识别与合成、不托管知识库、不能传送、不能改变场景里物体的位置。 你能让它做的，是移动、走向某处、跟随、转向、跳、说话、触发交互这几类。

所以真正要设计的是：在它能做的这几件事里，怎么组合出一个像"有人在那儿"的行为。 这件事比写代码难，也更有意思。

算做成了。 它能按你说的动，并且你能说清它做不到哪三件事。说得出边界，才算真懂了。

9. 做一套主题资产包（一周）

改什么。 不是换模型，是定一套视觉规则：材质参数统一、色调统一、细节密度统一。让十个模型摆在一起像一套。

会撞上什么。 资产管线。贴图怎么压、LOD 做几档、同屏 draw call 控制到多少。这套系统里做过两轮：贴图压缩让 GLB 体积降了 68%–92%，LOD 三个版本把三角面压掉 71%–87%，密集场景的 draw call 从 3064 降到 837。这些数字不是让你抄，是说明这个地方有活干。

算做成了。 把十个模型摆在一屏里，看不出哪个是后来加的。

10. 跑一轮性能优化（一周）

改什么。 先跑一遍仓库里的验收脚本，记下数字，然后找一个你看着不顺眼的指标，改，再跑，记下新数字。

会撞上什么。 一个很具体的教训：有些卡顿不是"电脑慢"，是你动了一个会牵动全局的东西。 这套系统里有个真实案例：改场景里灯的数量会触发整个场景重新编译，一次编译要将近九秒；后来把触发条件收窄，这九秒就不需要了。这类因果关系，看书看不出来，得自己撞一次。

算做成了。 你有一份前后对比的记录，能说清"我改了什么，哪个数字动了，为什么"。

11. 适配手机（一周）

改什么。 竖屏布局、触屏操作、加载顺序（哪些模型先来、哪些可以晚点来）。

会撞上什么。 手机不是一个"小屏的电脑"。它的输入方式、性能上限、内存都很不一样。帧率和耗电我们没做完整实测，这一块你要自己测，而且要在两三台不同档位的机器上测——只测你自己那台，结论大概率不成立。

算做成了。 竖屏能进、能走、界面不横向溢出，走一圈不发烫到拿不住。

上图是手机浏览器里的画面：竖屏下的街景建筑和上方浮空的广告牌。手机端不是把桌面端缩小——你要重新决定什么先加载、什么可以晚点来、什么在小屏上根本不显示。

12. 加共享状态（更长）

改什么。 两个人同时在一个空间里，看同一个状态：谁坐在哪个座位、哪盏灯被打开、记分板上的分数。

会撞上什么。 实时同步里麻烦的不是"发出去"，是"两边看到的不一样怎么办"——弱网、断线、重连、同时操作同一个东西谁赢。这套系统里做过重连自愈的验证（9 个场景 9 个通过），但那是我们自己的测试条件，不能保证你的场景。

算做成了。 两台设备同时操作，双方看到同一个结果；断网再连回来，状态不错乱。

四、怎么从这十二个里挑一个

不要按难度挑，按你手边已经有什么挑。

你手边有	从哪个开始	为什么
一堆好看的 3D 模型	1 或 9	你的瓶颈是摆放与统一，不是建模
一份自己的数据（课程表、产品表、设备清单）	7	数据是你的独有素材，别人抄不走
一个具体要做的场景（学校、门店、展馆）	1 → 4 → 5	按"先有空间、再有动线、再有交互"排
审美偏好但不会建模	2 或 9	先从配色和材质规则下手，成本低反馈快
想搞性能	10	这是纯工程，验收数字会给你明确反馈
想做 AI	6 → 8	先让它能讲，再让它能动
什么也没有	2	半天能做，做完就有下一个想法

这里有个反直觉的建议：从"半天"那一档开始，不要从"一周"那一档开始。 因为你要验证的不是"我能不能做成大事"，是"这个方向值不值得我投两周"。用半天换一个判断，比用一周换一个半成品划算。

上图是桌面端浏览器里的实机画面。这张图的作用是给你一个验收标准：你要做的东西，最后应该是一张"别人能走进去的画面"，而不是一段自己看得懂的代码。

五、第一周不要做什么

这三件事会让"改坏了不知道是哪一步坏的"：

不要让它重构目录结构。 AI 很容易热情地把文件搬来搬去，看起来更整齐，但你接下来找任何东西都要重新学一遍。结构是别人定的，先按他的来。

不要让它升级依赖的大版本。 一次大版本升级会同时改掉几十个行为，出了问题你分不清是"我改的那处"还是"升级带来的"。要升级，单独开一个分支。

不要一次改多个文件。 一次只改一处，改完刷新看结果，跑一遍验收脚本，提交。这个循环走得慢，但它走得远。

六、边界与未实测

• 工作量是估计值。 上面的"半天""一周"是按熟悉这套结构的人估的，第一次上手通常更慢。不要把它当承诺。
• 手机端帧率与耗电未做完整实测。 能进、能逛是验证过的，具体表现以你的目标设备为准。
• 文中技术数字来自仓库里可重跑的验收脚本，是那几次优化的结果，不是所有场景都成立的通用结论。
• 规划项未实现：AI 拼装世界、Agent 商店、Agent 互操作、跨世界联邦 AI。它们都在路线图上。
• AI 接入有明确边界：以人形角色进入世界之后，它看不见画面、不做语音识别与合成、不托管知识库、不能传送、不能改变场景里物体的位置。
• 这套系统是完整可用的，但离它自己的天花板还很远（内部口径：已完成约 5%–8%，往上还有九成以上的空间）。这是好事：有地方给你改。
• 不承诺学习效果。 我们不提供课程，也说不清"做完这十二个中的几个能达到什么水平"。
• 许可：源码开放（source-available），本地跑不花钱；联网、商用、联邦需要订阅授权。条款以仓库 LICENSE 为准。

七、常见问题

问：这十二个必须按顺序做吗？

不必。它们之间没有依赖，只有难度差别。挑一个你手边有素材的，先做出来。

问：不会 three.js 能做吗？

前六个基本不用写 three.js。前三个甚至可以只动资产和配置。 到第 5 个开始需要读代码，到第 9 个开始需要懂渲染的一些概念。

问：用 AI 一次能做完一个方向吗？

能做出一版，但不会是你想要的那一版。AI 擅长按条件把东西做到通过，不擅长判断"这是不是那个味道"。 所以流程是：它做，你看，你说不对，它改。

问：这套东西是不是必须部署到服务器？

本地跑也可以。要让别人打开，才需要服务器和域名。本地跑不花钱。

问：做完能拿去卖吗？

商用需要订阅授权。先做出来，再谈这个。

问：十二个方向里哪个最有价值？

看你想要什么。想要一个作品，选 1 到 5；想要一段能写进简历的工程经验，选 10 和 12；想要理解 AI 在空间里能干什么，选 6 和 8。这三个目标的答案不一样，别混着选。

八、源码与仓库

三个地址内容一致，国内访问用前两个更快。仓库里有部署说明和一批验收脚本，可以自己跑一遍看实测值。

• 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

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。

选题不是想出来的，是从一个能跑的东西上长出来的。 创世Genesis（创世虚拟世界CRM系统）是一套浏览器端自部署 3D 虚拟世界基座——它不告诉你要做什么，它只是让"做出来的东西"有地方放。如果你通过「创世Genesis」没搜到我们，直接搜「创世虚拟世界CRM」即可。

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。