同周冒出的这批创作工具,暴露了开源创作的三个方向
同周冒出的这批创作工具,暴露了开源创作的三个方向
2026 年 10 月中旬那一周,开源创作类项目挤在了一起:ArtCraft 被推上掘金开源项目榜,wordcraft 连续几天出现在 GitHub 日榜,REA(Reverse Engineer Anything)带着"一周十万星"的叙事刷屏,而 Craft Anything 在 10 月 31 日发布了 v0.1.0。
表面上看,这四件事互不相干——一个是 AI 图像与视频 IDE,一个是 Rust 重写的 Word 内核,一个是把反编译器接到 Agent 上的逆向工具,一个是"看懂了就能自己造一个"的重建引擎。但把它们放在一起读,会发现它们各自在回答同一个问题的不同半段:当生成能力不再稀缺,创作工具的护城河应该建在哪里?
答案不是模型,而是三样更笨的东西:可编辑的中间产物、可编程的内核、可判定的验收。这三样恰好构成了三个方向,也恰好暴露了同一个缺口。
三个方向,三种取舍
方向一:把生成前移到可编辑的场景
ArtCraft 的定位是"the IDE for artists",它把交互从"写 prompt 抽卡"换成了"先在 2D 画布和 3D 场景里把构图、角色姿势、相机位置搭出来,再交给模型生成"。这套"Show, Don't Tell"的功能集合——Image to Location、3D/2D Compositing、Image to 3D Mesh、Character Posing、Kitbashing——本质上是在 prompt 之外增加了一层可编辑的中间产物:场景。
取舍也很清楚。它聚合了 62 个自家目录模型(图像 16、视频 25、音乐音效 5、3D 网格 11、世界与高斯泼溅 5)加四个第三方入口,但目录里大量模型带 †(当前禁用)和 ‡(受限)标记,README 的清单规模不等于装完就能用。更关键的是,据公开分析,桌面客户端虽然开源,部分能力仍依赖团队托管的 artcraft-services,路线图里明确列着"Remove dependence on ArtCraft hosted services"。
这就是第一个方向的代价:中间产物越厚,越需要一套自己的运行时去承载它,而运行时往往就是托管服务。
方向二:把内核重写成多入口的命令集
wordcraft 走的是另一条路。它不聚合模型,而是用 Rust 从公开规范出发重写 Word 的读写与排版内核(clean-room reimplementation),一份代码同时产出桌面应用、WebAssembly 版本和给 AI 调用的接口。
它最值得抄的不是"又一个 Word 替代品",而是那句"一套命令,多种入口":389 条命令同时驱动功能区点击、快捷键、命令搜索框、CLI、JSON 控制通道和 MCP 服务器。人点一下"插入表格"和 Agent 通过 MCP 调用,走的是完全相同的执行路径。性能上也有硬指标支撑这个设计——188 页文档重排约 1.4 毫秒,靠的是 Session::layout 里基于文档版本号 rev、视图宽度、视图模式和校对状态的缓存判定,命中就直接返回 Arc,不重算。
但它的自评同样诚实:功能区覆盖率 87%、深度实现约 62%,alpha 版本尚未发布,图表、SmartArt、公式编辑器排在后续。多入口的代价是每一个入口都要被同一套语义约束住,语义没铺满的地方,入口越多,不一致越明显。
方向三:把"理解—重建—验证"做成闭环
Craft Anything 和 REA 属于第三类:它们不生产内容,生产的是"看懂别人怎么做的,然后造一个自己的"这条流水线。
Craft Anything 的流水线写在 crates/ai/src/rebuild/mod.rs 的模块注释里,四步非常直白:
Study website: web_site_open + web_site_capture → capture/ (screenshots, blueprint, HTML)
local: triage (+ app graph for JS apps) → capture/README.md
Build the coding agent works in the workspace with our MCP server
Check website: serve app/dist on loopback, capture it the same way, compare screenshots
Refine measured differences go back to the agent, up to `max_rounds`
REA 的路径类似但更偏安全研究:把 Ghidra、反汇编器、调试器接进 MCP,让 Agent 按"打开 binary → 搜索线索 → XRef → Call Graph → Decompile → 重建功能"跑。两者真正的差别不在工具数量,而在验收环节的严肃程度——这一点后面单独讲。
| 方向 | 中间产物 | AI 的位置 | 验收方式 | 主要风险 |
|---|---|---|---|---|
| ArtCraft | 2D/3D 场景、图层、姿势 | 渲染器 | 人眼判断画面 | 依赖托管服务,模型可用性受目录标记限制 |
| wordcraft | 文档模型 + 命令集 | 通过 MCP 调命令 | 命令执行是否成功、格式能否往返 | 功能深度约 62%,alpha 未发布 |
| Craft Anything / REA | 证据记录、检查结果、未知项 | 调查者 + 建造者 | 与原件逐项比对,claim 逐条判定 | 大量路径尚未跑过真实端到端 |
缺口在哪:跨层衔接没人管
三个方向各自都成立,但它们之间有一段落空:从"我知道原件的哪些事实"到"我凭什么说这个重建够好了",中间没有通用件。
判定不是文本,是数据结构
Craft Anything 在这一段做得最细。它把一次检查的结果定义成结构化类型,而不是一段自然语言备注。看 crates/engine/src/workspace.rs 里的关键方法:
/// Passed with nothing left unknown and every claim holding, and (when compared) at least as
/// alike as its own bar, else `good_enough`.
pub fn good(&self, good_enough: f64) -> bool {
self.passed
&& self.unknowns.is_empty()
&& self.claims.iter().all(|c| c.passed)
&& self.similarity.is_none_or(|s| s >= self.good_enough.unwrap_or(good_enough))
}
四行代码里藏着三条设计决策:
unknowns非空就不能通过——"没比对上"绝不等于"一样"。这条规则直接堵死了"无法比较就当作相似"的偷懒路径。claims逐条判定——每个 claim 有title、passed、detail,比如"390 px 下起始页不横向滚动""原有菜单能打开"。视觉相似度再高,只要有一条 claim 挂了,整轮就不算过。similarity可以为None——构建类目标(应用、游戏)本来就没有可比对的相似度,此时判定退化为"构建成功 + claim 全过 + 没有未知项",而不是硬造一个分数。
这种结构还带来一个副作用:早期项目文件里 note 是以 "Build succeeded" 开头的字符串,靠文本前缀判断成败;现在旧文件通过 CheckRecord 兼容读取,但决策路径已经完全不看文本了。
让建造者自己先跑一遍检查
更值得注意的是"检查"这一步不只在回合结束后发生。crates/ai/src/rebuild/self_check.rs 用一个文件夹协议实现了一个反直觉的设计:建造者在自己的回合中调用 rebuild_check,把请求写进 checks/asks/,正在运行的 run 读到后用完全相同的检查再跑一次,结果以 round 0 落盘,但不计入轮次。
/// The round a builder's own check is run as; real rounds start at 1.
pub const SELF_CHECK_ROUND: u32 = 0;
这解决了一个很实际的问题:Agent 的自我评估通常是"我觉得差不多了",而这里它拿到的是引擎的实测差异——"在 390 px 下页面横向滚动了(512 px 宽)""这些必须成立才能通过:……"。检查器不信任建造者的自述,但愿意让它提前看到答案。
三种模式,三套允许清单
第三个缺口在"能力边界"上。同一套引擎,Clean room 和 Deep 模式能做的事完全不同。crates/engine/src/clean_room.rs 用一张白名单把这件事写成了硬约束:
//! In Clean room (Deep mode off) nothing reads a target's code, files or page source. Only the
//! tools in [`TOOLS`] run. ... Every other tool, a plugin's included, needs Deep mode, so a new
//! tool is Deep-only until it's added here.
白名单里的工具要么不碰目标(会话、证据、项目、设置),要么只在外部观察(网站截图、可见布局、窗口截图、录制的运行、手机屏幕)。新加的工具默认是 Deep-only,想进 Clean room 必须显式登记。这比"默认放开、出事再收"要保守得多,也更适合生成式流水线。
配套的是 prompt 层的硬规则。crates/ai/src/rebuild/brief.rs 的第一条规则就是"用户的请求优先":
Rules:
- Their request comes first. When it says how to build (a language, framework, engine, library or
platform), build with exactly that, even where these instructions name something else: the stack
given here is only the default for what the request leaves open.
这条规则不是装饰。crates/ai/src/rebuild/stacks.toml 里列了 Builder's choice、Electron、Next.js + TypeScript、React + TypeScript (Vite)、Rust + egui、Rust + macroquad、Unity、Unreal Engine、Godot,外加 shadcn/ui 与 Tailwind CSS 两个 [[library]] 条目。路线图 R2.7 记录了反例:用户说"Build it in Electron",结果被用 Rust 建了出来——因为 prompt 把默认技术栈当成了硬指令。修法的方向是对的:数据表只提供默认值,用户的措辞拥有更高优先级。
断层不止一处
把三家放在一起看,各自的断层位置其实高度一致:
- ArtCraft:中间产物很强,但闭环的最后一公里(验收)交给人眼,而承载场景的运行时在托管服务侧。
- wordcraft:执行路径统一,但"深度对等 62%"意味着还有 38% 的语义没被命令集覆盖,多入口会放大这些缺口。
- REA / Craft Anything:工具接入做得很彻底,但公开分析里也点出了 REA 的短板——没有动态调试,强混淆和反调试仍要高手;Craft Anything 自己的 docs/STATUS.md 同样列着一串"未跑过真实端到端"的条目。
顺带一个能说明"衔接没人管"的小证据:同一份仓库里工具数量的口径并不统一。README.md 写的是 284 个工具(271 个在引擎里,其余来自 AI 与 setup 层),docs/tools.md 生成时写的是"298 engine tools in 17 toolsets",而 STATUS 的表格还在用 271/284 的口径。这不是谁写错了,而是三份文档的生成时间不同——恰恰说明"能力清单"这种跨层事实,缺少一个自动对齐的单一来源。
下一个被填补的位置
如果三个方向的缺口都落在"判定"上,那么接下来被填补的位置大概率不是更多工具,而是让判定标准本身变成可执行、可移植的工件。
一、把质量底线写成机器能跑的清单
社区里已经出现了形态相似的实践。围绕 Impeccable 项目的 Craft Floor 讨论定义了九项可机械验证的界面质量底线——对比度、阴影深度、间距计算值、字体规范、动效、状态完整性、浏览器原生表面主题化、文案准确性、需求覆盖度——并明确列出两类默认拒绝的构图:页面脚手架族(卡片网格、英雄数字、眉题)与表面习惯族(渐变文字、玻璃拟态、硬偏移阴影)。相关文章强调这些规则"面向构建结果、支持批量自动化检测",同时承认它只兜底机械合规性,不替代设计方向决策。
这和 Craft Anything 的 Claim 是同一个抽象:一条可独立判定的断言 + 失败时的一句人话解释。区别在于 Craft Floor 目前还是文档与钩子,而 Claim 已经进了序列化结构,会出现在 craft.json 的检查记录里、会进入下一轮 refine 的提示词、会决定这一轮算不算过。
下一步很自然:把这类清单从"某个项目的内部约定"抽成可插拔的检查器。Craft Anything 已经开了口子——docs/extending.md 里,检查是一个 trait:
// Implement `Check` (`run(&mut CheckCx) -> CheckResult`; `applies` to skip it in some runs, or
// wrap it in `DeepOnly`); return it from your kind's `checks`.
// Decide on `passed`/`similarity`, never on text.
而且 WASM 插件也能贡献检查:导出 craft-anything:plugin/checks,拿到构建的文件清单 JSON,回答 passed、可选的 0–100 相似度和一句总结。这意味着"你的团队的设计底线"理论上可以编译成一个 .wasm,跟着项目走,而不是散落在几个 prompt 里。
二、把中间产物变成有版本、有 schema 的文件
三个方向都需要一个能被别的工具读懂的落点。Craft Anything 的选择是把每个项目的目录结构定死:craft.json(请求、目标、状态、历史)、capture/(从目标录到的内容)、app/(生成的项目)、checks/(每轮比对)、investigation.cany/(证据)、inbox/(待答问题)。并且这些文件都带版本号与 schema,docs/schemas/ 下有 craft.schema.json、mechanics.schema.json、self-test.schema.json。
其中 mechanics.json 值得单独说。游戏的"手感"通常是最难验的部分,它的做法是把每个影响玩法的数字(移动速度、加速度、跳跃高度、重力、每把武器的伤害/射速/弹匣/后坐力、血量护甲、复活与计分规则)连同来源(某个文件、某个函数地址或某条证据 id)写进结构化表,然后由 MechanicsCheck 判定:表读不出来要挂,标了来源但代码里没用到要挂,估算值可以留空但不能冒充实测。再叠一层 --self-test:构建产物必须用脚本输入把自己的核心循环跑一遍,报告玩家是否移动、是否行动、HUD 是否绘出,三步全过才算过。
这套东西的价值不在"更严格",而在可交接。一个人写的 mechanics.json,另一个 Agent、另一台机器、半年后的自己都能读懂并继续验。
三、把编排层从界面里剥出来
第三个会被填的位置是工程结构层面的:GUI 不再是胶水。
Craft Anything 的路线图 R1.6 标题就叫"Headless first: the GUI stops being the glue",里面列的问题非常具体:项目 feed 只由 ui-egui/src/project.rs 写入,所以 CLI 跑完不留 feed;游戏引擎与 Ghidra 的安装流程跑在 engine_ui.rs 里;启动和预览用 std::process::Command 直接起进程;CLI 缺 list/show/answer/install/play/settings 一整排能力。
修完之后的验收方式很硬:ui-egui/tests/headless_parity.rs 要求每个 CraftApp 方法都有一行映射——已覆盖、因路线图原因挂起、或明确 UI-only;cargo xtask layers 则直接禁止 ui-egui 写文件或起进程。
这个约束的意义超出本项目:当"每一个动作都是一个 tool"时,桌面应用、CLI、MCP 服务器、Agent、脚本就共享同一条执行路径。wordcraft 的"389 条命令一套入口"是同一个思路的另一种表达,只是它用命令集,Craft Anything 用 tool registry。
四、把成本和法务边界写进代码
还有一个容易被忽略、但一定会被填补的位置:付费与合规不能只写在文档里。
docs/claude-code.md 把 Claude Code 的接入方式逐条对照了 Anthropic 公开条款:运行用户自己安装的、未修改的 claude 二进制;不读取、不存储、不转发任何凭据;不提供自家登录;不代付、不转售、不计量用量;只用文档化参数(headless 模式、MCP 配置、--permission-prompt-tool);权限提示走 core_action_approve,只放行 app/ 内的编辑和一串固定构建命令,开发服务器(不会退出)直接拒绝。
代码侧也有对应的硬约束。Deep 模式重用原件文件时,brief.rs 里有一条 PRIVATE_USE_NOTE,要求构建产物的 app/README.md 以这段话开头,并由 DeepOnly(CreditsCheck) 检查;app/CREDITS.md 必须逐项列出用到的原件文件。生成素材则反过来——要求"每个素材都是原件风格下的原创设计",不允许出现可识别的角色、logo 或品牌美术。
这层设计解决的是生成式工具最现实的风险:能力越强,"我能不能这么用"越不能靠用户自觉。把边界写进检查器,至少让越界变成一次显式的失败,而不是一次沉默的通过。
结语
把这一周的几个项目并排看,会发现它们争的其实不是模型接入数量,也不是谁的工具更多。ArtCraft 在争"中间产物够不够厚",wordcraft 在争"内核够不够统一",Craft Anything 和 REA 在争"证据链够不够完整"。
而三者共同的缺口,是那句最难写进 README 的话:凭什么说这个结果够好了。 谁先把这句话变成可执行、可扩展、可交接的结构化判定,谁就拿到了下一层的地基。剩下的工作——更多模型、更多工具、更多平台——都会长在这块地基上。

