一個圖像模型模仿不來的畫圖 skill

生成圖有一個很具體的失敗方式,試過的人都知道。你讓它畫一張減速箱的剖面圖,它給你的東西確實像減速箱剖面,但齒根本咬不上,軸直接穿過了軸承座。縮圖大小看著沒問題,懂行的人一眼掃過去,全散了。
Anatomy 是一個技能倉庫,從十月上旬到現在拿了大概 27,000 stars。它想從反方向解決這個問題。它不生成圖,它先搭一個能跑的小模型,然後照著模型畫。
它做什麼
指令寫得很樸素。你讓它解釋 token bucket 限流器,它不會給你三個方框的流程圖。它會造一個物理物件,這個物件的運轉方式就是那個概念,然後用幾十個帶明暗的小零件把這個物件做出來,裝進一張卡片,卡片上有標題、提示和即時讀數,再讓它跟著滑鼠和鍵盤動起來。
從概念到機構的對應是最需要創造的一步,例子能看出它做得有多實。一個快取 key,在什麼都沒變的時候跳過計算,這變成一個彈子鎖,只有每根彈子都在正確高度時才能轉動。一個 GPU context 服務多張畫布,這變成一台龍門繪圖儀,一個列印頭依次走過 16 個孔位。這兩個都沒有把比喻貼在圖上。它們都是機構,機構裡的物理約束和軟體裡的約束是同一條。
數字來自模擬
這裡有一個設計決定,把它和繪圖工具區分開了。
圖面上出現的每一個數字,都來自驅動那些零件的同一個小模型。火箭發動機卡片上的壓力讀數由那套模擬算出來,尾焰也歸它驅動,沒人往裡手打標籤。表盤指示器的指針指向哪一塊量塊,取決於滑座此刻滑到了哪一塊下面,因為幾何關係就是這麼定的。

就這一條約束,消掉了生成式插圖最容易犯的一整類錯誤。一張畫可以把指針畫在 40,同時滑座停在 25 的量塊上,因為兩者之間沒有任何聯繫。模擬做不到這點。模型錯了,圖就會以一種一致的方式錯下去,工程師一眼能看出來。這種失敗方式比看著合理但其實胡說要好得多。
raptor-engine 那個例子把這件事推得更遠。滑鼠懸停,發動機拆成 11 個總成。倉庫裡帶一個稽核,證明靜止時、拆開狀態下、以及兩者之間過渡的每一格畫面裡,沒有一根管子穿過任何實體零件。這是跑在一段動畫上的碰撞檢查。這種話算圖管線敢說,擴散模型連試都沒法試。
零件清單
輸出是 SVG 搭結構,需要連續場的地方再用可選的 WebGL shader:火箭的尾焰、水波槽裡投在紙上的焦散、水面上的反射。還有一個 beta 的 3D 模式,你拖動旋鈕的時候,它每一格都要把大約 90 個零件重新投影、重新著色。
這些例子同時也是體量參照。表盤指示器最小,大約 300 行,想搞懂格式就先讀它。水波槽把一層 SVG 裝置疊在兩道 WebGL pass 上,由色散和光學模型驅動,投入大得多。
倉庫裡的截圖是用 skill 自帶的 `scripts/capture.mjs` 抓的,這一點說明了預期的工作方式:產物是拿來當作品審閱的,不是在聊天視窗裡看著好看。
安裝
它屬於 skill,不需要模型,安裝就是複製檔案。
npx skills add wheresryan22/anatomy -g
CLI 會問你要配哪個 agent。支援的目標有 Claude Code、Antigravity、OpenCode、Codex、MiniMax Code,可以用 `-a claude-code`、`-a antigravity`、`-a opencode`、`-a codex` 或 `-a minimax-code` 跳過這一步。裝到全域的話,按目標不同會落在 `~/.claude/skills/anatomy`、`~/.gemini/antigravity/skills/anatomy`、`~/.config/opencode/skills/anatomy`、`~/.agents/skills/anatomy` 或 `~/.minimax/skills/anatomy`。去掉 `-g` 就只裝進一個專案的 `.claude/skills/anatomy` 或 `.agents/skills/anatomy`。
要求只有 Node 20.10 或更新版本,沒別的。不需要 API key,不需要 `npm install`,沒有建置步驟,因為這套東西只用 Node 內建模組。不想用 CLI 的話,把倉庫複製到 skills 目錄裡,效果一樣。
然後在 Claude Code 裡:
/anatomy explain how a token bucket rate limiter works, interactive
在 Codex 裡指令是 `$anatomy`。另外三個 agent 用 `/anatomy`。
它和圖像模型各自站哪
一直在看圖像生成一季比一季強的人,第一個反應大概是:為什麼不直接生成插圖?
因為兩個工具回答的問題不一樣。擴散模型回答的是「這個東西的示意圖一般長什麼樣」。Anatomy 回答的是「這套機構在給定這些參數的情況下到底怎麼動」。做行銷頁,前者夠用,也便宜得多。做客戶簽約之前會認真讀的技術說明,只有後者經得起推敲。
代價是有的,而且不小。生成一張圖幾秒鐘,一次 API 呼叫。Anatomy 跑的是一個建置循環:想機構、建零件、接運動、跑模擬出讀數,然後自檢,逐個關節放大看一遍。倉庫裡明確寫了自檢是流程的一部分,也就是說這個 skill 把 token 花在驗證上,沒花在磨光上。
用正確性換速度,這筆交易這個月在整個 agent 工具鏈裡都在發生。有意思的是它落到了插圖上,而這個類別大多數人以為會永遠屬於圖像模型。
我會拿它做什麼
三件事,按我有多大把握排。
第一是給會追問的人看的架構說明。用模擬搭出來的管線圖不會出現不可能的資料流,因為資料流就是那些零件在做的事。
第二是物理直覺本身就是重點的教學材料。水波槽這個例子存在,是因為干涉這件事,看得見兩個振子造出波、波落在紙上形成圖樣,就好懂多了。
第三是沒人願意畫的內部文件。這個 skill 真正值錢的地方,可能是它把藉口拿掉了。你用一句話描述機構,回來的東西關節都檢查過了。
需要特定品牌風格、照片、人臉的,別用它。它畫機器。範圍就這麼大,而在範圍內,它做的事目前沒有圖像模型在做。