画像モデルには真似できない図を描く skill

生成された図には、はっきりした失敗の仕方があります。試した人なら分かるはずです。歯車箱の断面図を頼むと、たしかに断面図らしきものが出てきます。ただ、歯はかみ合わず、軸は軸受ハウジングを突き抜けています。サムネイルの大きさなら正しく見えますが、その分野を知っている人が見た瞬間に崩れます。
Anatomy は、10 月初旬から約 27,000 stars を集めた skill のリポジトリで、この問題に反対側から答えようとしています。画像を生成しません。小さく動くモデルを組み立ててから、そのモデルを描きます。
何をするか
指示はわざと素っ気ないものです。token bucket のレートリミッタを説明してくれと頼んでも、四角が三つのフローチャートは出てきません。その概念の働きそのものが物理的な物体になるように発明し、数十個の陰影付きの部品でその物体を作り、タイトルとヒントとライブの数値表示を載せたカードに収め、ポインタとキーボードで動かせるようにします。
概念から機構への対応づけが創造的な工程で、実例を見るとどれだけ直訳的かが分かります。何も変わっていないときに処理を飛ばすキャッシュキーは、すべてのピンが正しい高さにあるときだけ回るピンタンブラー錠になります。ひとつの GPU コンテキストが多数のキャンバスを受け持つのは、プリントヘッドが 16 の孔を順に訪れるガントリープロッタになります。どちらも図に比喩を貼ったものではありません。どちらも機構で、そこでの物理的な制約はソフトウェアの制約と同じものです。
数字はシミュレーションから出てくる
ここに、これが描画ツールと一線を画す設計判断があります。
図に表示される数字はすべて、部品を動かしているのと同じ小さなモデルから来ています。ロケットエンジンのカードに出る圧力の値は、排気プルームも動かしているシミュレーションが計算したもので、誰かが打ち込んだラベルではありません。ダイヤルインジケータの針は、キャリッジがどのゲージブロックの下まで滑ったかを指します。幾何がそう決めているからです。

この制約ひとつで、生成イラストが陥りやすい種類の誤りが丸ごと消えます。絵なら針を 40 に向けたまま、キャリッジを 25 のブロックの下に置けます。両者をつなぐものがないからです。シミュレーションにはそれができません。モデルが間違っていれば、図は一貫した形で間違います。エンジニアはすぐ気づきます。もっともらしい出まかせより、よほど良い失敗の仕方です。
raptor-engine の例はさらに踏み込みます。ホバーするとエンジンは 11 のアセンブリに分かれます。リポジトリには、静止時、分解状態、そしてその間の遷移のすべてのフレームで、どの配管も固体部品を貫通していないことを示す監査が入っています。アニメーション全体に対する衝突判定です。レンダリングパイプラインなら言える話で、拡散モデルには試すことすらできません。
部品の構成
出力は構造が SVG で、連続的な場が必要なところにはオプションの WebGL シェーダを使います。ロケットの排気プルーム、水槽の下の紙に映るコースティクス、水面の反射などです。ベータの 3D モードでは、ダイヤルをドラッグしている間、毎フレーム約 90 個の部品を再投影して再シェーディングします。
実例は規模の目安にもなります。ダイヤルインジケータが最小で約 300 行、形式を理解したいならまずこれを読むのがいいです。水槽のほうは SVG の装置を 2 パスの WebGL に重ね、分散と光学のモデルで動かすので、はるかに大きな作り込みになります。
リポジトリのスクリーンショットは skill 自身の `scripts/capture.mjs` で撮っています。意図された進め方が分かります。成果物はアーティファクトとして見直すもので、チャット画面で眺めるものではありません。
インストール
これは skill であり、モデルではありません。インストールはコピーするだけです。
npx skills add wheresryan22/anatomy -g
CLI がどのエージェントに設定するかを尋ねます。対応先は Claude Code、Antigravity、OpenCode、Codex、MiniMax Code で、`-a claude-code`、`-a antigravity`、`-a opencode`、`-a codex`、`-a minimax-code` で質問を飛ばせます。グローバルに入れると、対象に応じて `~/.claude/skills/anatomy`、`~/.gemini/antigravity/skills/anatomy`、`~/.config/opencode/skills/anatomy`、`~/.agents/skills/anatomy`、`~/.minimax/skills/anatomy` のいずれかに入ります。`-g` を外すと、ひとつのプロジェクトの `.claude/skills/anatomy` か `.agents/skills/anatomy` に入ります。
必要なのは Node 20.10 以降だけで、ほかに何もいりません。API key も `npm install` もビルド手順も不要です。Node の組み込みモジュールしか使っていないからです。CLI を使いたくない場合は、リポジトリを skills ディレクトリに clone しても同じように動きます。
そのうえで Claude Code で:
/anatomy explain how a token bucket rate limiter works, interactive
Codex ではコマンドは `$anatomy` です。ほかの 3 つのエージェントは `/anatomy` です。
画像モデルとの位置づけ
画像生成が四半期ごとに良くなっていくのを見てきた人なら、まずこう思うでしょう。イラストをそのまま生成すればいいのでは、と。
二つの道具は別の問いに答えるからです。拡散モデルは「この図の見た目は普通こうだ」に答えます。Anatomy は「この機構は、このパラメータのもとで実際に何をするのか」に答えます。マーケティングのページなら前者で足りて、はるかに安いです。顧客が契約前に読む技術解説なら、後者だけが精査に耐えます。
コストはあります。小さくはありません。生成画像は数秒と API 1 回で済みます。Anatomy はビルドループを回します。機構を発明し、部品をモデル化し、動きを配線し、読み取り値をシミュレートし、最後にすべての関節を拡大して一つずつ確認する自己点検をします。この自己点検がパイプラインの一部だとリポジトリは明言しています。つまり skill は磨き込みではなく検証にトークンを使っています。
速度より正しさを取るこの取引は、今月エージェント周りの道具全体で見られるものです。面白いのは、それがイラストに適用されている点です。多くの人が永久に画像モデルの領域だと思っていた分野です。
私なら何に使うか
三つあります。確信の強い順です。
厳しい質問をしてくる相手に渡すアーキテクチャの説明です。シミュレーションから組んだパイプライン図は、あり得ないデータフローになりません。流れとは部品がやっていることそのものだからです。
物理的な直感が主眼の教材です。水槽の例があるのは、干渉が分かりやすいからです。二つの振動子が波を立て、その模様が紙に落ちるところが見えると、理解が早くなります。
そして、誰も描きたがらない社内ドキュメントです。この skill の本当の価値は、言い訳を消すことかもしれません。機構を一文で説明すれば、関節まで確認したものが返ってきます。
特定のブランドスタイル、写真、人の顔が必要な用途には使わないでください。描くのは機械です。範囲はそこまでで、その範囲の中では、今の画像モデルがしていないことをしています。
関連記事
中国製 Android のシステム UI に載った広告を切る、コミュニティ管理のタップ表
システムには触らず、アンロックも書き込みもしない。ベンダーがもともと用意したスイッチを一つずつ倒すだけだ。代償は、この一覧を書き続ける人が要ることにある。
GPT Image 2.6 はトークン単価を据え置き、請求額を上げた
GPT Image 2.6 は 2.5 のトークン単価をすべて引き継ぎながら、1 枚あたりの費用は上がった。仕事の多くが出力トークン側に移ったからだ。11 日目の価格構造は、ランキングより多くを語る。
外から IDM を作り直した人が、触れなかった部分を書き残した
Mister Download Manager は Internet Download Manager の流れを Rust で作り直し、5 倍の速度と 86 言語を掲げる。より興味深いのは、何もコピーせずにどう作ったのかを説明した段落のほうだ。
Rune はエージェントが自分の仕事を検証できるように作られた Rust UI フレームワーク
Rune はヘッドレスで描画し、要素ツリーを出力し、スクリプト化された入力を受け付ける。スクリーンショットでは決して得られない、diff できる信号をコーディングエージェントに渡せる。フレームワークはプレリリースで、プルリクエストは受け付けない。