答案先行：同一张 Mac Studio 实拍照片，装了 img2threejs Skill 的 Claude 按 10 项验收单拿了 10 分，裸写 three.js 的拿 7 分——但复盘发现，验收单里有一题是出题人被照片骗了，而 Skill 自带的自动评审器把木桌认成了主角。图生 3D（image to 3D model）这件事，流程纪律和真实世界常识，缺一不可。
本文要点
- img2threejs 是开源的 Claude Code Skill（Apache 2.0），把参考照片重建为纯代码的程序化 three.js 模型，不是照片扫描，也不是网格生成
- 它的确定性代码生成器第一版输出是「贴着照片的方块」——这个 Skill 卖的不是建模能力，是流程：strict 规格门、逐关渲染评审、装配门
- 裸写组（无任何工具）5 轮自主迭代、7 分钟完成，高宽比 0.485 几乎与真机分毫不差，但圆角做到 21%（真机 10%）
- 反转一：验收单「竖向接口」一题依据照片观感出题，真机接口实为横向——照片竖条是透视+阴影假象，裸写组按真实世界知识作答反被扣分
- 反转二：Skill 的像素评审器在真实照片上前景分割失效（把木桌判为前景），其相似度分数全程不可信
判分表（10 项锁定验收）
| 判定项 | Skill 组 | 裸写组 |
|---|---|---|
| 整体比例 h/w 0.45~0.55 | 1（0.482） | 1（0.485） |
| 竖棱圆角 8~12%W | 1（10%） | 0（21%） |
| 顶面 Apple logo | 1 | 1 |
| 双 USB-C（照片观感竖向） | 1 | 0.5（做成横向，见反转一） |
| SD 卡槽 | 1 | 1 |
| 电源 LED | 1 | 1 |
| 底部悬浮底座 | 1 | 0.5 |
| 阳极氧化铝双色调 | 1 | 0.5 |
| 前面板相对位置 | 1 | 0.5 |
| 结构化可拆部件 | 1 | 1 |
| 合计 | 10 | 7 |
常见问题
img2threejs 是干什么的？
它是给 Claude Code / Codex 等 AI 编程工具装的 Skill：输入一张物体照片，输出用 three.js 原语和程序化材质「雕」出来的 3D 模型代码，带质量门与逐关评审流水线。适合硬表面物体的代码化重建，不是摄影测量。
装了 Skill 就能一键出模型吗？
不能。实测其确定性代码生成器首版输出是贴着照片的立方体，真正的几何仍由 AI 手工编写。Skill 的价值是把「渲染→对比→评审」变成过不了就不许前进的硬流程，实测确实抓住了一个「接口被倒角埋进墙里 4 毫米」的真 bug。
裸写的 AI 输在哪里、赢在哪里？
输在尺度感（圆角大了一倍、底座悬浮感丢失），赢在常识：它没有照抄照片里「竖着的接口」，而是按真机知识做成横向——事后核实真机确实是横向，照片是透视假象。
自动评审器为什么不可信？
该 Skill 的确定性评审器假设参考图是干净底图。真实世界照片（木桌背景）让它把桌子认成前景、把亮银顶面认成背景，IoU 等指标全程失真。用它评测实拍参考前，先可视化它的前景掩膜。
完整实测视频
视频直达：https://youtu.be/dAMKl0ZPQgs
更多 AI 实测视频，欢迎订阅频道：https://www.youtube.com/@%E5%AF%8C%E7%88%B8%E7%88%B8%E5%A4%A7%E5%A6%99%E6%8B%9B
相关文章
文章末尾固定信息
我的微信
微信扫一扫
评论