从 27 天 2800 星到 3 天 959 星:解剖学开源项目的增长曲线有什么规律

原创2026-10-21 12:45:091,963 阅读
文章标签:AI 技能人工智能图形学前端

从 27 天 2800 星到 3 天 959 星:解剖学开源项目的增长曲线有什么规律

最近两个月,GitHub 上先后火了两款名字都叫"anatomy"的开源项目。一个是 3D 人体解剖教学应用,一个是给 AI 装"画图超能力"的技能包。一个讲的是人人都关心的身体,一个聊的是程序员才懂的机器图——按常理,前者应该更火。

结果呢?后者上线两周冲到 1.7 万星,峰值每小时涨 138 颗星,平均每 26 秒就有一个人点亮收藏。而那个看起来更"大众"的解剖 App,27 天才攒下 2800 星。

同样是"解剖学",为什么跑出了两种截然不同的命运?这场增长曲线的对比,挺值得琢磨。

一、两个都叫"解剖学"的项目

先说第一个。今年 8 月,有个开发者一个人加上一套 AI 工具链,27 天做出一个交互式 3D 人体解剖平台,收录了心脏、大脑、肺、肝、肾等九大器官,上线一周访问量突破 160 万,连腾讯新闻都报道过,标题是"课本解剖图 Out 了"。

这个项目火得理直气壮——人人都好奇自己的身体内部长什么样,医学题材天然自带传播基因。

再说第二个。这是同一个月的另一股热潮:一个叫 Anatomy 的"AI 技能包"。它不讲人体,讲的是给 AI 编程助手装上一种新本事——你只需说一句"帮我解释一下这个技术概念",AI 就会发明一台真实存在的机器,用这台机器的运转来演示这个概念,再画成一张精密立体的效果图。上线 3 天拿到 959 星,然后像坐了火箭,两周冲上 1.7 万星、1300 多个 Fork,一度每小时涨 138 颗星。

二、它到底是个啥?一句话让 AI 变身"机器画师"

用大白话说,"技能"就是给 AI 编程助手装插件,跟手机装 App 一个道理。装上这个 Anatomy 之后,AI 就多了个"能把任何抽象概念画成看得见摸得着的机器"的绝活。

它有个核心思想:别画方框、箭头和标签,要画一台真的能转、能拆、能读数的机器,让机器自己把道理"演"出来。

给你看几个例子就秒懂了:

  • 讲"缓存淘汰"这种概念,它画出一个书柜——最左边是最新用过的,放不下时就把最旧的挤出去;
  • 讲布隆过滤器,它画了一台水果机——三个转轮代表三个算法,只有三格全对齐才吐币;
  • 讲消息队列,它画了一条弹珠滑道,弹珠一个接一个排队等着过闸;
  • 讲机械手表怎么计时,它干脆画了一整块能上发条、能看到擒纵轮"咔哒咔哒"半齿半齿放行的机械表。

最绝的是,图上的每个数字都和背后驱动运动的真实模型一一对应,不是随便画来唬人的。这块机械表,AI 独立干了一小时五十四分钟就完工了。

三、到底有多牛?三件事足够震撼

第一件:画出来的是"能动的机器",不是示意图。

SpaceX 的 Raptor 2 火箭发动机,悬在试车台上,鼠标一划就散开成 11 个大部件;按下点火键,尾焰、激波、水汽都是实时渲染出来的,像在看一段发动机试车的慢镜头。再看那张波纹水槽,两个拨片在水面上制造真干涉波纹,灯光照下来,投影出明暗相间的漂亮条纹——这背后是真的在算物理,不是贴图。

火箭发动机试车台效果图

学校波纹水槽实验装置

第二件:强迫症级别的"出厂质检"。

这个项目给自己定了近乎苛刻的规矩:图里每一条线都必须落在实体上,不能悬空;任何一根管道都不能穿过另一根管道——静止时不行、拆开时不行、动画的每一帧都不行;所有前后遮挡必须按正确顺序画。AI 画完还得自动"体检",不合格直接算失败。像火箭发动机那种几百个零件的图,系统自动检查了几千对重叠关系,全部通过才准发布。

第三件:从网页到打印的全家桶。

成品可以是一张单文件网页,可以是一张独立 SVG 图,也可以是嵌进网站的组件;想要纸质版,还能一键生成 A4 教学海报和讲义;明暗两套配色,手机小屏上看也清清楚楚。画完还能一键发布到社区画廊,让别人也能玩到你的作品。

可以转动的3D组合拨号盘

四、普通人能上手吗?门槛高不高?

说句实在话:它不是给纯小白用的,但门槛远比想象中低。它面向的是装了 Claude Code、OpenCode、Codex 这类 AI 编程助手的人——你只要会跟 AI 对话,就能用。安装一条命令搞定,不需要额外装任何依赖包,免费开源,随便拿去用。

那普通人能得到啥好处?简单说:任何"想让别人 30 秒看懂复杂东西"的场景,它都是神器。写技术文档的、做课件讲义的、做产品落地页的、给客户讲方案的,甚至科技自媒体做配图,都能用一句话换来一张别人花几千块找设计师都未必画得出来的动态效果图。

要是你完全不会编程也没关系——社区画廊里已经有 33 张现成作品,每张都能点开玩。你只管当观众,感受一下"机器自己把道理演给你看"的爽感。

五、回到正题:增长曲线到底有什么规律?

规律一:题材决定"围观人数",场景决定"收藏转化率"。

那个 3D 解剖 App 有 160 万访问量,可 star 只有 2800。为什么?因为看新鲜的人多,真正"要用它"的人少。而画图技能不一样——每一个 star 背后,都是一个"这东西我马上用得上"的明确需求。star 的本质,是收藏对自己有用的东西。解剖 App 让人"看个新鲜",画图技能让人"立刻干活"。

规律二:风口、惊艳演示、零门槛,三者叠加才有 138 颗星/小时。

2026 年正好是 AI 编程助手生态大爆发的节点,"技能"成了全新的可分发单元——任何能帮 AI 加超能力的项目都吃到了指数级的流量红利。再加上 README 首页直接放一张能拆解、能点火的火箭发动机动图,30 秒让人 wow;安装一条命令、零依赖、试错成本几乎为零。风口 × 惊艳 × 低门槛,才有这种爆发曲线。

规律三:138 颗星/小时能持续吗?看三个信号。

信号一,内容飞轮转不转。这个项目自带"社区画廊"发布流水线,还保持着稳定发版节奏,每一张新作品都是一次新传播。有持续供给,热度才有续命的可能。

信号二,生态天花板有没有再打开。如果"技能"标准被更多 AI 工具原生采纳,甚至变成"新的应用商店",这类项目的想象空间会被重新定价。这是最大的变量。

信号三,别忽视新鲜感衰减和单点风险。几乎所有爆款项目都会在爆发期后进入长尾,star 数也永远不等于使用人数。真正该盯的是 issues、PR、社区提交的作品是不是还在涨——以及一个很现实的问题:这个项目目前基本靠一个人维护,精力就是最大的瓶颈。

六、写在最后

两个都叫"anatomy"的项目,一个火给"人看",一个火给"AI 用",跑出了完全不同的增长曲线。它至少说明一件事:在 AI 时代,爆款的标准正在从"谁做得更大"变成"谁让人 30 秒就 wow,还马上用得上"。

你更看好哪一类项目?是"围观型"的科普神器,还是"工具型"的生产力插件?你最近有没有被哪个开源项目惊艳到?评论区聊聊你的看法。

登录后查看全文
anatomy