把技术概念画成一台真能转的机器

让图像模型画一张“缓存 key 怎么避免重复计算”的示意图,你会得到一个矩形、三根箭头,和一个用不存在的字体写的“CACHE”。问 Anatomy,你会得到一把弹子锁,每颗弹子都对上了才转得动——因为一个在什么都没变时跳过干活的缓存 key,从机械上讲,正好就是这个东西。
Anatomy 是一个 Claude skill,这个月悄悄成了最受关注的 agent skill 之一,大约 25,700 star。它也是我见过的、最能说明“AI 图像生成”这个说法根本框不住技术插画正在发生什么的一个例子。
让它成立的那条规矩
这个 skill 的流程,第一步是大多数创意提示词会跳过的:先把真实数字收齐。
动手画之前,它先确定真实数据——压力、吞吐、齿数、管径、池子里真正的连接数。然后它发明一个物理物件,这个物件的运作就是那个概念。然后列零件表。然后是这个物件所在的世界。然后是几何,从后往前画,定构图,做动画,最后交给一个像恶意评审一样的脚本验收。
这个顺序就是产品。你让模型“画一个限流器”,它给你一个装饰性的比喻。你告诉它令牌桶每秒补 10 个、容量 30,再让它造一个行为是这样的物件,它给你的东西你能拿来推理。

它到底画什么
机器、仪器、工具、家具。不画人,不画地图。作品集里有一台 Raptor 2 发动机在试车台上点火,尾焰是 WebGL shader 渲的,跟 SVG 硬件用同一个等距机位;有一个学校用的水波槽,两个振子、灯光、焦散投在纸上;有一台侧板拆掉的换热式咖啡机,拉一杯的时候能看见水路。
发动机那个值得仔细看。鼠标移上去,它拆成十一个组件,彼此悬在支柱之间。本来连着的每根管子都看得见地断开了,而审计脚本证明:静止时、拆开时、以及中间每一帧,没有管子穿过任何东西。
最后那句才是把它和一张画分开的东西。它是一个带不变量的物件模型,而不变量由代码检查。
带测试套件的几何
repo 里带一套 kit:等距相机、实体库、任意轴上的圆形零件、管线和线缆、一层 WebGL、一个 3D runtime、React 组件。React 那部分除了 React 没有别的依赖。在这之上是各种检查。
kit/audit.mjs 证明几何成立——没有东西互相穿插,每个端点都落在支座上,每处重叠都按深度顺序画。在无头 Chrome 里,capture 和 drive 脚本负责截图、特写,和放慢的 contact sheet。line-checker 会让任何一条悬在半空的线失败。turn-check 校验 3D 帧间的一致性。
我没见过另一个出图流程自带 linter。这一点值得停一下。产物是 SVG、WebGL 和 HTML,所以能 diff、能审计、能进版本控制。你收下的不是一张图,是一个小型工程产物。
它很慢,这是设计选择
README 直说:一张图要跑很久。零件表、几何、审计,然后两个主题下每个接缝的特写。Raptor 那个要几分钟。完整 3D 环绕审计,三十个零件要 15 到 20 分钟。380 个零件的压力测试,1440 像素宽下大概 20 fps。
拿这个跟图像模型六秒出一张低画质静图比,你就明白为什么很多人一试就跑了。但这比法不公平。六秒买的是一张你要么用要么不用的图。二十分钟买的是一张能放进文档、六个月后池子从 10 改成 25 时还能改对的图。
边界也写得很直。它不是图表库——没有坐标轴、没有序列、没有数据图。数字只以实时读数和真实零件数的形式出现。如果你的想法里没有可造的机构,画出来会虚。还有 3D 模式是 beta:在自己的示例和一张测试图上验过,没在生产项目上验过。
怎么装
它是标准的 Agent Skill——一个带 SKILL.md 的文件夹——所以安装就是对着 skills CLI 敲一行:
npx skills add wheresryan22/anatomy -g -a claude-code
agent 参数换成 antigravity、opencode、codex 或 minimax-code 都行,去掉 -g 就装到当前项目。也可以直接 clone 到 ~/.claude/skills/anatomy。
要 Node 20.10 或更新。没有 npm install 这一步——只用内置模块。验收脚本要 Chrome 或 Chromium,无头跑、开 WebGL;想要 React 输出还要 React 18 或更新。
然后就跟它说话:
/anatomy explain how a token bucket rate limiter works, interactive
/anatomy an isometric SVG explaining how a CDN edge cache works, cache hit vs miss, TTL of 60 s, for a dark landing page
不用点名这个 skill。你说要做一张等距插画、一张给文档用的解释图,或者一个能点的讲解页,它自己就加载了。
为什么这件事不止一个 repo
三点,按重要性从低到高。
第一,它反证了“AI 插画就是老虎机”这个印象。这个 skill 的指令绝大部分花在约束、验收和手艺规则上,几乎没有一个字在形容词式的风格描述上。这个比例跟大多数提示词库教的正好相反。
第二,它把机器可读的产物放在生成流程的终点。SVG 和 HTML 能审、能 diff、能重生成。PNG 不能。这类工具往文档里走的时候,这个差别决定一张图能不能扛过一次产品改版。
第三,也是我一直在想的:这个 skill 坚持先有真实数字。大多数 AI 图像是靠省略来撒谎——它渲一个看起来很合理的场景,里面一个量都没有,而“看起来合理”正好盖住了那个缺席。Anatomy 要求数字先行,对任何做技术视觉的人——用不用 agent 都一样——都是一条小而具体、可以搬走的规矩。
挑一张图试试
挑你产品里那个新工程师永远理解错的概念。让它做成一张带真实数字的等距图。二十分钟后看回来的东西,用另一套标准判断,别用你判断生成照片的标准:这个物件的运作方式,是不是这个概念的运作方式?
如果是,你拿到的文档会比那张示意图活得久。如果不是,失败会很具体、很有教益——通常是那个概念根本没有机构,只有一段描述。这件事对你自己的解释方式有帮助,而任何图像模型都不会告诉你。
相关文章
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。
有人从外部重建了 IDM,并写下了自己没有碰过的部分
Mister Download Manager 用 Rust 重写了 Internet Download Manager 的下载流程,声称速度快 5 倍、支持 86 种语言。更值得细读的,是它解释如何在不复制任何代码的前提下完成重写的那一段。
Rune 是一个 Rust UI 框架,设计初衷是让 agent 能检查自己的工作
Rune 能无头渲染、导出元素树并接受脚本化输入,这让编码 agent 拿到截图永远给不了的东西,一个可 diff 的信号。这个框架仍是预发布版本,不接受 pull request。