3步让AI为你搭出3D场景:dream-loop安装与快速上手指南
3步让AI为你搭出3D场景:dream-loop安装与快速上手指南
dream-loop 是一个开源 Agent skill,核心思路是"AI 先梦、再做、再评":让 AI 用图像生成先"梦"出一张高画质目标截图,再驱动 Blender / Three.js 等工具把 3D 场景一步步搭建出来,最后由独立 AI 评审对比实时截图与目标图打分,直到满意为止。本文带你完成 dream-loop 的安装与快速上手,3 步即可让 AI 为你搭出电影级 3D 场景。
一、dream-loop 是怎么工作的?
传统的"AI 写代码做游戏/场景"往往效果平庸,dream-loop 用一个闭环解决了这个问题 🎯:
- 做梦(Dream):AI 用图像生成模型"梦"出一张高质量目标截图
- 搭建(Build):AI 以这张图为目标,开始写代码、做场景
- 评审(Critic):一个独立的 AI 评审 subagent 对比实时截图与目标图,给出细致反馈
- 循环(Loop):AI 根据反馈继续改进,直到评审满意;必要时还会"再梦一次",生成更好的目标图
完整流程描述见 README.md。
二、准备工作:环境要求一览
在开始之前,确认你的环境满足以下条件:
| 要求 | 说明 |
|---|---|
| AI Agent | 需支持图像生成(内置如 Codex / Grok,或通过 API 接入 Gemini 等)、视觉输入(vision) |
| subagents(可选) | 非必须,但强烈建议开启,效果显著提升 |
| Blender(可选) | 想要自定义 3D 建模时安装,推荐用 Blender MCP 或脚本接口 |
💡 目前官方测试环境为 Codex + GPT-6 Astra,其他强模型(如 Claude 系列)大概率也能胜任。
三、3步快速上手 dream-loop
第1步:安装 skill
最简单的方式是一条命令:
npx skills add achimala/dream-loop
也可以手动克隆到 Agent 的 skills 目录:
git clone https://gitcode.com/gh_mirrors/dr/dream-loop
当然,你也可以直接把链接丢给你的 Agent,让它自己搞定 🙌
第2步:确认 Agent 能力就绪
检查你的 AI Agent 是否具备:
- 图像生成能力:内置,或配置一个图像 API Key(例如 Gemini API key)
- 视觉输入:能"看"懂截图并对比差异
- subagents 支持:dream-loop 会派"评审 subagent"当严格裁判
skill 的入口定义在 SKILL.md,Agent 加载后会自动进入"先锁定目标图、再循环搭建"的工作流。
第3步:给出一段好 Prompt
dream-loop 的效果上限很大程度取决于你的描述。参考官方示例 Prompt:
Build me a graphics demo: isometric camera, voxel-ish art style with realistic shading and reflective wet floors, a character in an interesting scene. Fantasy setting... Three.js in browser, >60fps... No need to confirm the art with me or ask questions, just go!
关键要素:
- 明确视角与风格(如等距视角、体素风)
- 设定主题(如幻想、黑暗系)
- 约束性能(>60fps、不下载资源等)
- 授权 Agent 自主执行,减少中途确认
四、两种工作流:Plus 与 Pro
dream-loop 会根据你的订阅等级自动选择工作流:
- Plus 工作流(低档订阅):小模型负责编排,反复调用最强模型(低推理档)的 subagent 干活,默认跑 3 轮后请你验收。详见 references/plus-mode/workflow.md
- Pro 工作流(高档订阅):主 Agent 自己实施,每轮把截图和目标图交给一个全新上下文的"评审 judge"打分(构图/光照/材质/细节四项,满分 10),≥8 分且 FPS 达标即完成。详见 references/pro-mode/workflow.md
两种工作流还会按资产类型做智能决策:能否下载免费资源 → 用 image-to-3D 模型生成 → 最后才走程序化建模,决策链见 references/plus-mode/assets-3d.md;涉及 Fal API 批量生成 3D 资产时,还有配套的批量脚本 scripts/fal-batch.mjs 和说明 references/fal.md。
五、效果预览:官方 Demo 场景
下面是 dream-loop 产出的 "Vesper" 演示场景:等距视角的哥特风奇幻庭院,湿润反射的地面、摇曳的火把与烛台、细雨中的氛围光照——正是"目标图驱动"闭环的直观体现:
六、上手小贴士
- 目标图是灵魂:生成目标图时不要写"概念图/概念艺术"这类词,dream-loop 要求的是"像素级可对齐的真实引擎截图"
- 给时间预算:可以告诉 Agent 限时 1 小时,它会按时钟检查并优先保证画质而非凑数
- 工作目录:运行过程会在
.dream-loop文件夹存放目标图和中间文件,建议加入 gitignore - 别偷懒换方案:官方刻意要求资产走 image-to-3D 而非程序化生成,这正是画面质感的来源
总结
dream-loop 用"AI 做梦 → 搭场景 → AI 评审"的闭环,把"让 AI 做出惊艳 3D 画面"这件事变得可执行。安装只需一条 npx 命令,准备好带视觉和图像生成能力的 Agent,再给一段描述清晰的 Prompt,就能见证你的 3D 场景在循环迭代中逐步逼近目标图 ✨
