← 返回博客
Ai预计阅读 8 分钟

一个图像模型模仿不来的画图 skill

发布于 2026年11月13日
一个图像模型模仿不来的画图 skill

生成图有一个很具体的失败方式,试过的人都知道。你让它画一张减速箱的剖面图,它给你的东西确实像减速箱剖面,但齿根本咬不上,轴直接穿过了轴承座。缩略图大小看着没毛病,懂行的人一眼扫过去,全散了。

Anatomy 是一个技能仓库,从十月上旬到现在拿了大概 27,000 stars。它想从反方向解决这个问题。它不生成图,它先搭一个能跑的小模型,然后照着模型画。

它做什么

指令写得很朴素。你让它解释 token bucket 限流器,它不会给你三个方框的流程图。它会造一个物理对象,这个对象的运转方式就是那个概念,然后用几十个带明暗的小零件把这个对象做出来,装进一张卡片,卡片上有标题、提示和实时读数,再让它跟着鼠标和键盘动起来。

从概念到机构的映射是最需要创造的一步,例子能看出它做得有多实。一个缓存 key,在什么都没变的时候跳过计算,这变成一个弹子锁,只有每根弹子都在正确高度时才能转动。一个 GPU context 服务多张画布,这变成一台龙门绘图仪,一个打印头依次走过 16 个孔位。这两个都没有把比喻贴在图上。它们都是机构,机构里的物理约束和软件里的约束是同一条。

数字来自仿真

这里有一个设计决定,把它和绘图工具区分开了。

图面上出现的每一个数字,都来自驱动那些零件的同一个小模型。火箭发动机卡片上的压力读数由那套仿真算出来,尾焰也归它驱动,没人往里手打标签。表盘指示器的指针指向哪一块量块,取决于滑座此刻滑到了哪一块下面,因为几何关系就是这么定的。

Anatomy 生成的等轴测机械示意图,带标题卡片与实时读数

就这一条约束,消掉了生成式插图最容易犯的一整类错误。一张画可以把指针画在 40,同时滑座停在 25 的量块上,因为两者之间没有任何联系。仿真做不到这点。模型错了,图就会以一种一致的方式错下去,工程师一眼能看出来。这种失败方式比看着合理但其实胡说要好得多。

raptor-engine 那个例子把这件事推得更远。鼠标悬停,发动机拆成 11 个总成。仓库里带一个审计,证明静止时、拆开状态下、以及两者之间过渡的每一帧里,没有一根管子穿过任何实体零件。这是跑在一段动画上的碰撞检查。这种话渲染管线敢说,扩散模型连试都没法试。

零件清单

输出是 SVG 搭结构,需要连续场的地方再用可选的 WebGL shader:火箭的尾焰、水波槽里投在纸上的焦散、水面上的反射。还有一个 beta 的 3D 模式,你拖动旋钮的时候,它每一帧都要把大约 90 个零件重新投影、重新着色。

这些例子同时也是体量参照。表盘指示器最小,大约 300 行,想搞懂格式就先读它。水波槽把一层 SVG 装置叠在两道 WebGL pass 上,由色散和光学模型驱动,投入大得多。

仓库里的截图是用 skill 自带的 `scripts/capture.mjs` 抓的,这一点说明了预期的工作方式:产物是拿来当作品审阅的,不是在聊天窗口里看着好看。

安装

它属于 skill,不需要模型,安装就是复制文件。

npx skills add wheresryan22/anatomy -g

CLI 会问你要配哪个 agent。支持的目标有 Claude Code、Antigravity、OpenCode、Codex、MiniMax Code,可以用 `-a claude-code`、`-a antigravity`、`-a opencode`、`-a codex` 或 `-a minimax-code` 跳过这一步。装到全局的话,按目标不同会落在 `~/.claude/skills/anatomy`、`~/.gemini/antigravity/skills/anatomy`、`~/.config/opencode/skills/anatomy`、`~/.agents/skills/anatomy` 或 `~/.minimax/skills/anatomy`。去掉 `-g` 就只装进一个项目的 `.claude/skills/anatomy` 或 `.agents/skills/anatomy`。

要求只有 Node 20.10 或更新版本,没别的。不需要 API key,不需要 `npm install`,没有构建步骤,因为这套东西只用 Node 内置模块。不想用 CLI 的话,把仓库克隆到 skills 目录里,效果一样。

然后在 Claude Code 里:

/anatomy explain how a token bucket rate limiter works, interactive

在 Codex 里命令是 `$anatomy`。另外三个 agent 用 `/anatomy`。

它和图像模型各自站哪

一直在看图像生成一季度比一季度强的人,第一反应大概是:为什么不直接生成插图?

因为两个工具回答的问题不一样。扩散模型回答的是「这个东西的示意图一般长什么样」。Anatomy 回答的是「这套机构在给定这些参数的情况下到底怎么动」。做营销页,前者够用,也便宜得多。做客户签合同之前会认真读的技术说明,只有后者经得起推敲。

代价是有的,而且不小。生成一张图几秒钟,一次 API 调用。Anatomy 跑的是一个构建循环:想机构、建零件、接运动、跑仿真出读数,然后自检,逐个关节放大看一遍。仓库里明确写了自检是流程的一部分,也就是说这个 skill 把 token 花在验证上,没花在磨光上。

用正确性换速度,这笔交易这个月在整个 agent 工具链里都在发生。有意思的是它落到了插图上,而这个类别大多数人以为会永远属于图像模型。

我会拿它做什么

三件事,按我有多大把握排。

第一是给会追问的人看的架构说明。用仿真搭出来的管线图不会出现不可能的数据流,因为数据流就是那些零件在做的事。

第二是物理直觉本身就是重点的教学材料。水波槽这个例子存在,是因为干涉这件事,看得见两个振子造出波、波落在纸上形成图样,就好懂多了。

第三是没人愿意画的内部文档。这个 skill 真正值钱的地方,可能是它把借口拿掉了。你用一句话描述机构,回来的东西关节都检查过了。

需要特定品牌风格、照片、人脸的,别用它。它画机器。范围就这么大,而在范围内,它做的事目前没有图像模型在做。

相关文章