无需安装的3D设计革命:在浏览器中轻松掌握专业级CAD建模
Chili3D是一款突破性的浏览器端3D CAD应用,它将专业级建模工具直接带入你的浏览器,无需复杂安装即可实现高精度3D设计。通过WebAssembly技术将OpenCascade几何内核与Three.js渲染引擎完美结合,让你在任何设备上都能体验接近原生的建模性能。
核心价值解析:重新定义浏览器3D设计体验
零基础也能玩转的精准建模工具
Chili3D提供直观的建模工具集,从基础的立方体(Box)、圆柱体(Cylinder)到复杂的拉伸(Prism)、旋转(Revolve)操作,所有功能都通过精心设计的界面呈现。即使是3D设计新手,也能通过packages/chili/src/bodys/中封装的几何生成器快速创建专业模型。
智能捕捉系统:让设计精度不再依赖手感
内置的智能捕捉功能彻底改变了传统建模的操作方式:
- 对象捕捉:自动识别并吸附到几何特征点、边和面
- 动态追踪:实时显示尺寸标注和角度参考线
- 精确输入:支持直接输入数值控制尺寸参数
这些功能通过packages/chili-api/src/snap/模块实现,让每一次点击都能精确定位。
技术实现解密:浏览器中的CAD革命
WebAssembly带来的性能突破
Chili3D的核心优势在于将强大的OpenCascade几何引擎通过WebAssembly技术编译为浏览器可执行代码。这一技术路径体现在cpp/src/opencascade.cpp的实现中,既保留了专业CAD软件的计算精度,又实现了跨平台运行能力。
模块化架构设计
项目采用分层设计理念,主要模块包括:
- 核心几何处理:cpp/src/目录下的C++代码负责底层几何计算
- 前端交互逻辑:packages/chili/src/commands/实现用户操作响应
- 可视化渲染:packages/chili-three/src/基于Three.js构建3D视图
这种架构确保了功能扩展的灵活性,开发者可以通过plugins/目录轻松添加自定义插件。
应用场景图谱:从创意到实现的全流程支持
产品原型快速设计
无论是机械零件、电子设备外壳还是日常用品,Chili3D都能帮助你将创意快速转化为3D模型。通过布尔运算、倒角、圆角等功能,轻松实现复杂结构设计。
教育领域的理想工具
对于3D建模教学,Chili3D提供了零门槛的实践环境。学生可以直接在浏览器中学习基本几何原理,通过packages/chili/src/commands/create/中的基础工具逐步掌握复杂建模技巧。
协作设计与展示
由于基于浏览器运行,Chili3D特别适合团队协作和设计展示。你可以随时分享设计成果,或通过packages/chili/src/commands/importExport.ts导出标准格式文件进行进一步加工。
快速上手指南:3分钟启动你的第一个3D项目
在线体验
无需安装任何软件,直接在浏览器中即可开始使用Chili3D,所有项目自动保存在本地,随时随地继续你的创作。
本地部署步骤
如果需要本地开发或离线使用,只需通过以下简单步骤部署:
git clone https://gitcode.com/GitHub_Trending/ch/chili3d
cd chili3d
npm install
npm run dev
项目将在本地启动开发服务器,通过浏览器访问即可开始使用。
未来展望:持续进化的浏览器CAD平台
Chili3D目前处于活跃开发阶段,未来将逐步添加材质编辑系统、高级渲染效果和云协作功能。项目源码完全开源,欢迎通过贡献代码或反馈建议参与项目发展。
无论你是3D设计爱好者、产品设计师还是教育工作者,Chili3D都能为你打开一扇通往专业3D建模的便捷之门。现在就开始你的浏览器3D设计之旅,体验无需安装即可创造的自由!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
