24 min read

一个人,用了一天:跑通了 Codex + Tripo + Blender 3D 游戏资产自动化生产线

Source: https://x.com/i/article/2109555865409794048

一天时间,从角色、装备到怪物与 Boss,我把一套 AI 驱动的 3D 游戏资产管线真正跑通了。

最近一天,我在 Twitter/X 上分享了一些独立游戏开发进展,没想到浏览量和互动都超出了预期。

其中,大家最感兴趣的并不是游戏玩法,而是一个问题: 一个人,究竟能把 3D 游戏资产的生产流程自动化到什么程度?

过去,制作一套可用于游戏的 3D 角色资产,通常需要经历概念设计、建模、拓扑优化、贴图、骨骼绑定、动作制作、引擎导入等多个环节。

即便使用 AI 生成 3D 模型,也远远谈不上可以直接投入生产。

因为真正麻烦的事情,往往发生在模型生成之后:

  • 模型有了,但骨骼结构不统一,动画无法复用。
  • 角色看起来不错,但装备无法正确挂载。
  • 怪物自动绑骨成功,走起路来却像骨折了一样。
  • 动画能播放,但武器直接穿过角色身体。
  • 单个模型效果不错,加载到 Web 端却发现资源体积过大。

这些问题,单独解决并不难。

真正困难的是:如何把所有环节连接起来,形成一条稳定、可重复、尽可能不需要人工介入的生产流水线。

这正是我最近集中解决的问题。

目前,我已经基于 Codex + Tripo AI + Headless Blender + gltfpack + Three.js/WebGPU,搭建并验证了一套自动化 3D 资产生产流程。

它已经覆盖男女角色、模块化装备、武器,以及多种不同骨骼结构的怪物和 Boss。

这篇文章就完整记录一下整个过程,包括架构设计、关键技术决策、实际踩过的坑,以及最后如何把整批资产控制在不到 20 MB。

一、先确定目标:我要的不是 AI 模型,而是一座 3D 资产工厂

一开始,我就没有把目标设定为“用 AI 生成几个好看的 3D 模型”。

因为对于游戏开发来说,模型生成只是起点,不是终点。

我真正想要的是:

输入一个角色或怪物的概念描述,经过标准化处理,最终输出可以直接加载到游戏中的 GLB 资产。

整条流水线需要满足三个条件。

1. 美术风格必须统一

我的游戏采用 Heavy Stylized Fantasy(厚重风格化奇幻) 美术方向。

整体偏向夸张的英雄比例、清晰的体块结构、厚重的装备轮廓,以及具有较强视觉辨识度的材质表现。

无论生成的是战士、法师、地狱犬还是恶魔 Boss,都必须属于同一个视觉世界。

对于 AI 生成管线来说,这一点尤其重要。

因为单个模型生成得漂亮并不困难,难的是让几十个模型放在一起时,看起来依然像同一款游戏。

2. 资源必须足够轻量

我的目标平台是浏览器,渲染路线以 Three.js / WebGPU 为核心。

这意味着不能只考虑模型精度,还需要关注:

  • GLB 文件体积
  • 顶点与三角面数量
  • 骨骼数量和蒙皮开销
  • 贴图尺寸与材质数量
  • 网络传输与资源解码成本

我给当前这批核心资产设定的总体积预算是 20 MB。

注意,这不是要求每个模型都小于 20 MB,而是希望一整批角色、怪物和装备都能控制在这个范围内。

3. 所有处理步骤必须可以通过代码执行

这是整条管线最重要的设计原则。

只要某个步骤必须打开 Blender、手动拖动顶点或调整骨骼,它就还不算真正进入自动化流水线。

因此,我尽量把资产处理过程转化为 CLI 命令、Python 脚本和结构化配置。

最终形成了下面这套架构:

[ Codex CLI ] | v 概念图生成与风格约束 (Multi-view Consistency) | v [ Tripo AI ] | +--------+--------+ | | v v 3D 几何生成 自动骨骼绑定 | +-----------------+ | v [ Headless Blender ] | +-- 网格减面与清理 +-- 骨骼结构检查 +-- 蒙皮权重处理 +-- 角色部位拆解 +-- 武器挂点生成 +-- 动作数据处理 | v [ gltfpack / meshopt ] | +-- 几何数据优化 +-- 顶点数据压缩 +-- 动画数据压缩 | v GLB 资产 | v [ Three.js / WebGPU ] | +-- 模型加载验证 +-- 骨骼动画验证 +-- 武器挂载验证 +-- 视觉效果检查

这里最关键的角色其实是 Codex。

它不只是帮我写几个 Blender 脚本,而是负责把不同工具连接起来,形成一个可持续迭代的工程系统。

AI 负责生成内容,代码负责约束内容,而自动化验证负责判断内容能否真正进入游戏。

这是整条管线的核心思路。

二、角色与装备:解决骨骼标准化和换装问题

第一阶段,我主要解决男女角色和装备系统。

这部分看起来简单,但如果底层设计不统一,后面每增加一套装备,维护成本都会不断上升。

1. 骨骼标准化:让动画成为可复用资源

我在 Tripo API 中显式指定了:

v1.0-20240301

主要目的是固定人形角色的绑定流程,避免不同版本产生不可预期的骨骼结构变化。

当前男女角色使用兼容的 23 骨骼结构,并以 Mixamo 风格的人形骨架作为动作复用基础。

这样做的直接收益是: 角色可以变化,但动作不需要从头制作。

例如,战士、法师和其他人形职业可以共享同一套基础动作资源,再根据武器类型或职业特征进行调整。

当然,这种复用主要针对骨骼兼容的人形角色。

四足怪物、飞行怪物和特殊 Boss 仍然需要独立处理,不能简单地套用同一套人形动画。

另一个有意思的取舍是手部骨骼。

我没有为每根手指保留独立的完整控制结构,而是采用更简化的手部方案。

原因很现实:

对于我的游戏镜头距离来说,玩家很难看清角色的手指动作。

但复杂的手部骨骼会增加蒙皮和动画处理成本,还可能让武器握持姿态更难控制。

看不见的细节,不应该消耗过多的工程预算。

这是我在整个项目中不断坚持的原则。

2. Headless Blender:让角色自动完成拆件

第二个问题是换装。

AI 生成的角色通常是完整模型,但游戏中的角色往往需要替换胸甲、手套、护腿和靴子。

如果每次都手动拆分,自动化就失去了意义。

因此,我使用 Blender Python API 编写了无头处理脚本,通过命令行执行:

blender --background \ --python process_character.py \ -- input.glb output.glb

脚本负责对角色网格进行区域划分与拆解,将对应部分整理为独立的装备模块。

当前主要拆分为:

  • 胸部
  • 手部
  • 腿部
  • 脚部

处理过程中,需要尽可能保留原有蒙皮权重和骨骼关联,确保拆分后的网格依然能够跟随角色动作。

这样,换装就从美术编辑问题变成了运行时资源替换问题。

当然,自动拆件并不意味着所有装备都天然兼容。

装备之间仍然需要统一的比例、覆盖范围和命名规范,才能避免接缝和穿模。

但至少,最繁琐的基础处理已经可以交给脚本完成。

3. 武器挂点:把手工对齐变成矩阵计算

武器系统也采用类似思路。

过去在 Blender 中,给角色装配武器往往需要手动调整位置、旋转和缩放。

这种方式对单个角色没有问题,但对于自动化批量生产来说,维护成本很高。

现在,我在角色处理阶段自动生成挂点:

  • 右手武器挂点
  • 背部武器挂点
  • 其他可扩展装备挂点

挂点本质上是带有局部变换矩阵的 Empty 节点。

武器只需要遵循统一的模型坐标规范,就可以在运行时挂载到对应节点。

例如,我最近制作的一把铁砧风格双刃巨斧,就可以通过这套机制接入角色。

这里有一个很重要的工程经验: 不要试图让每把武器都通过人工调整适配角色,而应该先定义统一的武器坐标规范,再让资产生产流程遵守它。

标准化的价值,会随着资产数量增加而不断放大。

三、怪物与 Boss:真正有意思的坑,从这里开始

角色管线跑通后,我开始把同一套思路扩展到怪物。

目前已经处理了四种不同形态的怪物: 腐皮地狱犬、腐尸食尸鬼、屠夫恶魔,以及骨翼蝙蝠魔。

相比人形角色,怪物的麻烦要多得多。

因为它们的身体结构、运动方式和骨骼拓扑差异很大,无法完全依赖标准化的人形动画方案。

也是在这一阶段,我发现了一件很有意思的事情: 自动化不意味着必须把每个问题都交给 AI 解决。有时候,几十行确定性的代码,比重新生成一次模型更有效。 1. 地狱犬:AI 绑骨不对称,怎么办?

腐皮地狱犬是一个典型案例。

模型生成得不错,视觉效果符合预期,但自动绑骨出现了一个问题:

左右后腿的骨骼节数不一致。

一侧有 5 节,另一侧只有 3 节。

结果就是,一旦套用行走动画,地狱犬的运动姿态就会非常奇怪。

这类问题如果采用传统流程,可能需要重新绑定骨骼、修正权重,甚至重新生成模型。

但我没有这么做。

因为我重新审视了游戏本身的需求。

我的游戏不是一个需要怪物在大型地图上自由寻路的 3D RPG。

它采用的是偏漫画分镜式的战斗呈现,怪物大部分时间只需要在镜头中表现出威胁感。

既然如此,为什么一定需要完整的四足行走动画?

于是,我直接绕开了有问题的行走动作,改用代码驱动:

  • 身体缓慢起伏
  • 头部轻微摆动
  • 低吼时的前倾
  • 肩部和躯干的周期性运动

结果反而很符合需求。

怪物站在镜头前,缓慢呼吸、低头、抬头,整体呈现出一种随时准备扑过来的压迫感。

我们并没有修复所有骨骼问题,而是通过改变动作方案,让这些问题不再影响最终体验。

对独立开发来说,这种思路非常重要。

2. 蝙蝠魔:没有飞行动画,就用数学驱动翅膀

骨翼蝙蝠魔遇到了另一个问题。

Tripo 的默认动作预设并不完全适合这种特殊的飞行怪物。

但它在游戏中需要的动作其实很明确:

悬浮,以及扇动翅膀。

这类动作具有很强的周期性,因此非常适合程序化生成。

例如,身体悬浮可以用一个简单的正弦函数:

const t = clock.getElapsedTime(); monster.position.y = baseHeight + Math.sin(t * 2.0) * 0.08;

翅膀则可以根据骨骼的局部坐标系,使用周期性旋转驱动:

const flap = Math.sin(t * 5.0) * 0.35; leftWing.rotation.z = leftBaseAngle + flap; rightWing.rotation.z = rightBaseAngle - flap;

当然,实际实现时需要根据左右翅膀的骨骼朝向确定旋转轴和符号。

但整体原理并不复杂。

相比重新生成一套飞行动画,这种方式有几个优势:

动作完全可控,参数容易调整,而且可以直接与战斗状态关联。

例如,进入攻击状态时,可以提高扇翅频率;受到重击时,可以瞬间改变身体高度和姿态。

对于周期性、重复性很强的动作,程序化动画往往比固定动画片段更加灵活。 3. 动画能播放,不代表玩家能看见

另一个很容易被忽略的问题是动画幅度。

有些怪物的默认 idle 动画在技术上完全正常。

骨骼确实在动,动画也确实在播放。

但实际观察时,角色几乎像静止的一样。

我检查后发现,部分动作在约 2 秒的时间内,主要骨骼的旋转幅度只有几度。

在近距离模型检视器里,这种微小动作可能还能被察觉。

但放到游戏实际镜头中,基本就没有存在感了。

于是,我开始批量测试不同动作预设,比较它们的运动幅度、身体姿态和视觉表现。

最终,一些原本不属于标准待机类别的动作,例如 angry 和 swagger,反而更适合这些怪物。

这让我意识到: 动作的语义标签,并不等于它在游戏中的实际用途。

一个名为 idle 的动作,不一定适合做待机。

一个名为 angry 的动作,也不一定只能用于愤怒状态。

真正重要的是它在目标镜头中的视觉表现。

对于自动化资产管线来说,动作筛选不能只检查“能否播放”,还应该逐步加入运动幅度和视觉效果方面的评价。

4. 屠夫恶魔:用一个外展偏置解决武器穿模

屠夫恶魔的问题更有代表性。

这个怪物的身体和屠刀是作为一个整体生成的。

模型静止时看起来没有问题,但播放摆臂动作后,屠刀会直接穿进腹部。

传统做法可能是重新调整骨骼、修改蒙皮权重,或者把武器从身体网格中拆出来。

但在当前游戏需求下,我采用了一个更直接的办法。

给右臂增加固定的外展旋转偏置。

也就是在原始动画姿态基础上,让右臂始终向身体外侧张开一定角度。

这样既保留了原有动作的大部分表现,又减少了屠刀与躯干之间的穿插。

更重要的是,这个修正不需要每次人工调整。

我把相关参数写进了怪物配置文件:

{ "butcher_demon": { "animation": "angry", "rightArmOutwardOffset": 0.25 } }

运行时根据配置应用修正。

以后即使重新生成模型,或者更换动作,只要骨骼映射保持兼容,就可以继续复用这套处理逻辑。

这也是我越来越喜欢的一种工作方式: 把一次性的人工修复,转化为可以重复执行的参数化规则。

当类似问题再次出现时,就不需要从头解决。

四、模型生成之后,真正的工程工作才刚刚开始

AI 生成 3D 模型最容易让人产生错觉的地方,是它的即时反馈。

几分钟就能看到一个造型不错的角色,很容易觉得最困难的部分已经结束了。

但对于 Web 游戏来说,真正决定这些资产能否投入使用的,是后续的优化和验证。

我在 Headless Blender 之后增加了专门的压缩阶段,主要使用: gltfpack + meshopt

对 GLB 资产进行进一步优化。

其中涉及几何数据整理、顶点数据压缩,以及动画数据优化等处理。

需要注意的是,文件体积并不等同于运行时显存占用,压缩后的数据仍然需要在加载阶段解码。

因此,不能只看最终 GLB 有多小,还需要验证模型在实际运行环境中的表现。

最终结果:整批资产 16.48 MB

目前这一阶段的构建产物,包括:

男女角色、四只怪物,以及多件装备和武器。

整批资产总计 16.48 MB。

低于我最初设定的 20 MB 预算。

其中,部分单体模型已经控制在约 0.9~1.3 MB 的范围内。

这个结果让我比较满意。

因为对于浏览器游戏来说,资源体积直接影响加载速度、缓存效率和用户体验。

尤其是在移动网络环境下,几 MB 的差异也可能非常明显。

不过,体积优化只是其中一部分。

我还在资产构建流程中加入了自动检查,重点关注:

  • 模型结构是否完整
  • 骨骼和蒙皮是否正常
  • 动画能否正确播放
  • Mesh 层级是否符合预期
  • 挂点是否存在且命名正确
  • 优化前后是否出现明显视觉差异

对于可量化的部分,可以通过脚本检查。

对于穿模、姿态异常和视觉质量问题,则仍然需要在 Three.js 检视器中进行渲染验证。

我的目标不是单纯追求更小的 GLB,而是在视觉质量、运行性能和生产效率之间找到一个稳定的平衡点。

五、为什么我最终选择了“动态漫画分镜”,而不是传统 3D 地图?

聊到这里,其实还有一个更底层的设计决策。

为什么我没有选择传统的 3D RPG 战斗场景?

为什么不做完整地图、自由移动、实时寻路和复杂的场景交互?

原因很简单: 我希望把有限的开发资源,集中投入到玩家真正能感知到的地方。

对于独立开发者来说,最大的限制往往不是技术能不能实现,而是时间和精力能否支撑整个系统。

如果采用传统 3D 地图,我就需要处理大量额外问题:

地形制作、导航网格、碰撞检测、角色移动、场景遮挡、复杂镜头,以及不同设备上的性能优化。

这些系统当然有价值。

但它们并不是我当前游戏体验的核心。

我真正希望呈现的是: 像奇幻漫画一样充满张力的战斗对峙。

因此,我选择了 Comic Panel Viewport(动态漫画分镜视口) 作为主要表现形式。

1. 把渲染预算集中到少数角色身上

传统 3D 场景可能需要同时渲染大量环境资产。

但在漫画分镜式战斗中,镜头通常只聚焦于两三个核心角色。

这样就可以把更多资源投入到:

角色造型、装备细节、怪物轮廓、灯光和战斗特效。

场景复杂度下降了,但视觉表现不一定随之下降。

相反,因为镜头更聚焦,角色本身的设计反而更容易被玩家注意到。

2. 用镜头语言放大战斗表现

漫画分镜有很多非常适合游戏化的表现手段: 破框、速度线、镜头推拉、画面震动、Hitstop 顿帧、文字战报。

例如,一次重击不一定需要复杂的全身物理动画。

通过快速镜头推进、短暂顿帧、角色姿态变化和冲击特效,就可以形成很强的打击反馈。

这些效果不仅适合风格化游戏,也非常适合通过程序化方式实现。

3. 这恰好是 Coding Agent 擅长的领域

这是整个项目中我最看重的一点。

复杂的 3D 角色动画、手工拓扑和精细雕刻,并不是当前 Coding Agent 最擅长的工作。

但以下这些事情,它们已经能够很好地协助完成:

  • Camera Tween 插值
  • Timeline 时间轴事件
  • Shader 参数控制
  • 视口裁剪与分镜布局
  • 动作状态切换
  • 数据驱动的特效系统

这些问题本质上都有明确的数学关系、数据结构和执行逻辑。

而这正是 Coding Agent 能够发挥优势的地方。

因此,我不是单纯地问:

“AI 能帮我做什么?”

而是在反过来设计游戏: 什么样的游戏架构,能够最大程度发挥 AI Coding 和自动化工具链的优势?

这个问题,可能比选择哪一个 AI 模型更加重要。

六、这一天最大的收获:不要自动化每一个步骤,而要自动化整个结果

回头看这一天的工作,我觉得最有价值的,并不是生成了多少个角色或怪物。

而是逐渐建立了一套解决问题的方法。

以前遇到资产问题,我的第一反应通常是:

“这个模型应该怎么修?”

现在,我会先问三个问题: 第一,这个问题是否真的影响最终游戏体验?

例如,地狱犬的行走骨骼不对称。

如果游戏根本不需要它在地图上行走,那就没有必要投入大量时间去修复完整步态。

第二,能不能通过程序化方式绕开问题?

例如,蝙蝠魔的飞行动画。

如果几条数学曲线就能实现需要的悬浮和扇翅效果,就不一定要重新生成复杂动画。

第三,这次解决方案能否变成下次自动执行的规则?

例如,屠夫恶魔的手臂外展偏置。

与其每次手动调整,不如把它变成一个配置参数。

这三个问题背后,其实是同一个原则:

自动化的目标不是让 AI 完美完成每一道工序,而是让整个系统能够稳定地产出符合需求的结果。

有些问题应该通过更好的模型生成解决。

有些问题应该交给 Blender 脚本。

有些问题适合通过运行时程序化动画解决。

还有些问题,最好的解决方式是重新审视游戏设计,发现自己根本不需要那个功能。

当这些决策逐渐沉淀为代码、配置和标准化流程时,整个资产系统才开始真正具备可扩展性。

七、下一步:让 3D 资产真正变成一场漫画战斗

到目前为止,我已经完成了当前阶段最重要的基础工作:

角色能够生成,装备能够挂载,怪物能够动起来,资源体积也控制在了预期范围内。

接下来,重点将从资产生产转向战斗表现。

我正在推进的下一套核心系统是: Comic Panel Timeline Engine(漫画分镜时间轴引擎)。

它将负责把角色动作、镜头运动、分镜切换、特效和战斗事件组织成统一的时间轴。

理想情况下,一段战斗不再需要手动编排每一帧,而是可以通过结构化事件描述:

const battleTimeline = [ { time: 0.0, action: "camera.focus", target: "boss" }, { time: 0.4, action: " boss.play ", animation: "angry" }, { time: 1.2, action: "camera.zoom", value: 1.35 }, { time: 1.5, action: "effect.speedLines" }, { time: 1.8, action: "combat.hitstop", duration: 0.12 }, { time: 2.0, action: "panel.breakFrame" } ];

再由引擎负责执行对应的视觉表现。

这样一来,未来无论是普通战斗、Boss 登场,还是技能释放,都可以复用同一套分镜系统。

甚至可以进一步探索让 AI 根据战斗事件自动生成 Timeline。

当然,这部分还在开发中。

但相比一天前,我现在已经有了一套能够持续生产和验证 3D 资产的基础设施。

这意味着后续开发的重心,可以逐渐从“怎么把资源做出来”,转移到“怎么让这些资源呈现出更好的游戏体验”。

写在最后

过去,独立开发者想制作一款拥有大量 3D 角色、装备和怪物的游戏,资产生产往往是最难跨越的门槛之一。

现在,AI 生成工具确实正在降低这个门槛。

但我越来越觉得,真正带来变化的,不是某个 AI 工具突然变得足够强大。

而是我们终于可以把多个 AI 工具、传统 DCC 软件、命令行脚本和实时渲染引擎连接起来,让它们作为一个完整系统协同工作。

Tripo 负责生成,Blender 负责加工,gltfpack 负责优化,Three.js 负责验证和呈现,而 Codex 负责把整个流程串起来。

单独看,每一个环节都不是新技术。

但当它们被组合成一条可重复执行的流水线时,生产方式就开始发生变化。

对我来说,这才是 AI Coding 最有意思的地方。

不是让 AI 替我完成某一项工作,而是让一个人有能力搭建过去需要多人协作才能维持的生产系统。

目前,这条管线还远远谈不上完美。复杂模型的骨骼质量、自动拆件的兼容性、程序化动画的自然度,以及跨设备的渲染性能,都还有很多需要持续改进的地方。

但至少,它已经从一个想法变成了能够实际运行的工程系统。

一个人,一套工具链,一条可以持续扩展的 3D 游戏资产生产线。

接下来,就该让这些角色真正动起来了。