藝術家的 IDE：ArtCraft 把走位和鏡位放回提示詞之前

這個月衝上 GitHub 榜首的工具，不是一個模型

過去兩年來，想讓 AI 生出一張特定的圖，辦法基本上只有一個：把描述寫得更細。你學會了那套詞彙——黃金時刻、35mm、淺景深、四分之三側臉——然後一直重抽，直到某一次撞上了。大家管這叫"提示詞輪盤"，因為它就是這樣：一台帶輸入框的老虎機。

ArtCraft 是一款 Rust 桌面應用程式，十月初曾站上 GitHub 每週趨勢榜第一。它的主張是：缺的那一塊從來不是更好的提示詞，而是一個能在取樣開始前做決定的地方。專案自稱是為藝術家、設計師和電影創作者打造的"有意圖創作引擎"。用 README 裡更短的說法：它想成為做圖與做鏡頭的人的 IDE。

這個定位不是包裝。IDE 不會幫你寫程式，它給你一個地方去看結構、挪動零件、在執行之前檢查你搭了什麼。ArtCraft 把同一套思路搬到一個畫面上。

它到底能做什麼

打開一個專案，你會同時拿到兩個空間。一個是 2D 畫布：圖層、去背、繪圖工具、遮罩、局部重繪。另一個是 3D 場景：擺放背景、道具、由圖片轉成的網格模型，讓假人擺姿勢，設定鏡位。

最值錢的是那些能讓一個鏡頭保持連戲的功能：

Image to Location。 你把虛擬演員放進一個佈景裡，只放一次，這個佈景就會延續到所有鏡頭。如果你要在同一個房間裡拍五格，這個房間不會每格都被重新發明一次。

角色擺姿與身分轉移。 專案自己的說法是，那個假人就是一個簡單的 3D ControlNet。你去轉一個關節，而不是寫"她左手搭在桌上，手肘大約九十度"，然後祈禱。

3D 合成與拼件（kitbashing）。 背景和道具是照真實景深疊起來的，所以前景和背景可以互相遮擋、互相卡位，而不是被壓扁進同一條提示詞裡。

圖片轉 3D 網格。 一張圖變成一個你可以旋轉、可以取景的物件——這就是"角落裡有一張椅子"和"一張離鏡頭這麼遠的椅子"的差別。

生成環節是可替換的。這個應用程式自己不帶模型，而是把請求轉給第三方：文字生圖有十幾家可選，提示詞編輯包括 Google 的 Nano Banana 系列和 OpenAI 的圖像模型，圖生影片走 Seedance、Kling 這類服務。佈景也可以用 World Labs 的 Marble 做出的 Gaussian splat 來搭。最後這個細節說明了它是給誰用的：一個先把真實房間掃下來、再在裡面拍的人，不是在做起哏圖。

為什麼這是剪輯主張，不是模型主張

ArtCraft 的意義在於：它沒有換更強的模型，卻把產出品質拉上去了。它所有的收益都來自把某個決定往前挪，挪到一個看得見、改得動的地方。

這跟大多數 AI 創作工具的做法正好相反。它們把模型放在中心，介面圍著模型轉，於是介面永遠只能跟一個已經存在的結果討價還價。ArtCraft 把場景放在中心，把模型當成算圖引擎。它的心智模型更接近一個舞台，而不是一個聊天視窗。

這有一個很實際的後果。當構圖存在一個場景檔裡，它可以被版控、被重複使用、被交給別人。當它存在一條提示詞裡，它就跟著這次工作階段一起死掉。凡是花一下午把第四鏡的角色調到對、然後發現第五鏡鼻子變了的人，都懂這個差別。

專案創辦人 Brandon Thomas 在 2026 年 2 月於 Hacker News 發表它，說這是他替自己、也替其他電影創作者做的 AI 電影製作與設計引擎。這個出身解釋了它的取捨：這些功能是拍短片的人會要的，不是做一張桌布的人會要的。

需要留意的地方

三個坑，而且都不小。

授權是一團亂。 GitHub 把儲存庫的授權標成 "Other"，這是 GitHub 在說"我分類不了"。至少有一個專案頁面把程式碼描述為 MIT 或 Apache-2.0 雙授權。這兩種說法不是同一件事，如果你打算在它上面搭商業流程，這個差別很要命。上線之前，先讀儲存庫裡的 LICENSE 檔。

硬體這塊幾乎沒寫。 文件講了怎麼安裝、怎麼從原始碼安裝，但對 GPU 和 VRAM 需求、生成權重從哪來、推論是在本機跑還是走託管服務，說得含糊得多。考慮到這個應用程式是按 credits 計費——月付方案或一次買斷的點數包，也可以自備算力或自備模型訂閱——答案大概率是"看你選哪個後端"。在圍著它配工作站之前，先把這件事確認清楚。

桌面工作室是很重的工具。 如果你只想要一張能配部落格文章的圖，這個軟體對你來說太重了。ArtCraft 是給腦子裡已經有鏡頭序列的人用的：多個鏡頭、一個場景、一個角色、一台必須一直待在軸線同一側的攝影機。

星數在告訴我們什麼

這個儲存庫在十月初的一天內漲了兩千多顆星，之後一直停在七千上下，fork 數高得像是有人真的把程式碼抓下來了，而不是只點個收藏。它也不是臨時拼出來的——這個專案從 2022 年起就以各種形式在迭代，對一個突然上榜的東西來說挺少見。

這個組合挺有意思。趨勢榜上通常是新東西，而這是一個舊東西變得重新相關了，這往往意味著周圍生態終於追上這個想法。圖像模型好到某個程度之後，瓶頸就轉移了。問題不再是"它能不能算出一張可信的人臉"，而是"我能不能把這個人放到我想要的位置，放兩次，兩個角度，光還接得上"。

ArtCraft 的答案是：別再叫語言模型當場務了。先把舞台搭好，再算圖。這個賣點不如"新模型、跑分更高"刺激，但對任何需要交出第二格、而且要和第一格對得上的人來說，它大概更有用。