anyCreature 是一个面向 AI Agent 的“文本到游戏可用 3D 生物”生成工具链。它通过一份 JSON 规格文件描述生物结构，由内置 ACS 引擎编译输出 skinned、带动画、顶点着色、AO 烘焙的 glTF 2.0/GLB 模型，并配套离线展示器、轮廓评测、质量门禁和发布打包工具。项目强调“无网格素材、无下载美术包、无摄影测量”，核心引擎仅依赖 Node.js，可通过 `node engine/cli.js spec.json out.glb` 将 JSON spec 编译为 GLB。完整流程则需要 Node、Python、Playwright 等工具来进行轮廓渲染、指标测量、盲读判断和交付打包。
适用领域
AI 生成式内容 AIGC / 游戏开发 / 3D 资产生成 / glTF/GLB 工具链 / 角色/怪物原型设计 / AI Agent 工作流 / 程序化建模 / 自动化质量检测
配置难度
中高。仅编译示例 JSON 到 GLB 难度较低，具备 Node.js 基础即可；但要理解 spec 语法、驱动 AI Agent 完整生成生物、运行质量门禁、调试轮廓和动画，需要了解 3D 模型、glTF、骨骼动画、程序化建模和 AI Agent 工作流。
商业价值
对游戏原型、AI 原生资产管线和小团队内容生产有较高探索价值。它可以显著缩短怪物/NPC/Boss 原型资产的生成时间，降低早期美术资源依赖，并为 AI Agent 自动化 3D 生产提供可复用流程。但目前更适合研发、原型验证和内部工具建设；若用于商业游戏正式资产，需要额外的美术审核、拓扑/动画优化、引擎适配和版权/质量把关。
01
技术亮点
- 核心引擎零运行时依赖，仅用 Node.js 即可从 JSON spec 输出 GLB。
- 输出格式为标准 glTF 2.0/GLB，适合接入常见游戏引擎和 3D 工作流。
- 强调 game-ready：包含蒙皮、骨骼、动画、顶点色和 AO 烘焙。
- 完整流程围绕 AI Agent 设计，cards/ 提供阶段化执行说明，适合自动化工作流。
- 质量控制体系较完整，包括四视图轮廓、24px 缩略图可读性、遮罩指标、预算检查、盲读判断等。
- 通过 Gate 1 RECOGNISED 和 Gate 2 PUNCHIER 控制轮廓可识别性和视觉冲击力，避免模型自评导致的偏差。
- MIT 许可证，便于商业项目和二次开发使用。
- README 对限制、成本和已知问题说明较坦诚，有助于评估真实可用性。
- 提供示例 wolf.json，便于开发者学习 spec 结构并快速试跑。
02
目标用户
- 独立游戏开发者
- 需要快速生成怪物、NPC、Boss 原型的游戏团队
- 使用 AI Agent 自动化资产生产的开发者
- 熟悉 JavaScript/Node.js 的工具链工程师
- 技术美术 TA
- 需要批量生成低中复杂度 3D 生物资产的原型团队
- 研究文本到 3D 工作流的 AIGC 开发者
03
配置要求
- Node.js 版本需为 18 或以上。
- Python 版本需为 3.9 或以上。
- 完整评测和渲染工具依赖 Playwright 及其 headless Chromium 环境。
- Python 工具链依赖 numpy、pillow、scipy。
- spec JSON 中可配置 `smooth_angle` 控制平滑/硬边阈值，默认 50 度。
- spec JSON 中可配置 `shading`，包括整体垂直颜色渐变和噪声颗粒。
- 可设置 `build: "rigid"` 生成完全硬面/棱角化的结构，适合机器人、水晶等非生物体。
- 可通过 `ao` 开关控制是否进行顶点环境光遮蔽烘焙。
- 可使用 `harness/presets/` 中的 minion、npc、boss 预设来设置不同质量预算和阈值。
- 质量门禁依赖轮廓渲染、遮罩指标和盲读式判断；如果 Playwright 无法安装，仍可编译 GLB，但无法完整执行项目强调的检测流程。
04
适用场景
- 根据一句描述生成游戏内可用的 3D 生物 GLB 原型，例如狼、巨人、飞行怪物等
- 为 Game Jam、独立游戏或早期 Demo 快速生成带骨骼和动画的怪物资产
- 把 AI Agent 接入 cards/ 中定义的阶段卡，实现半自动文本访谈、轮廓设计、建模、上色、动画和交付
- 使用 harness 工具对生成模型进行轮廓识别、比例、遮罩、动画和三角面预算等质量检测
- 将生成的 GLB 打包为离线 showroom viewer，便于团队评审或上传发布
- 为游戏中的 minion、NPC、boss 等不同角色类型设置不同复杂度和质量阈值
- 研究如何通过严格质量门禁约束 AI 生成 3D 资产的可读性和可用性
05
部署与配置
- 确保本机已安装 Node.js 18+ 和 Python 3.9+。
- 克隆仓库：`git clone https://github.com/Ariescar/anyCreature.git`。
- 进入项目目录：`cd anyCreature`。
- 运行初始化脚本：`bash setup.sh`。该脚本会安装 three、playwright、numpy、pillow、scipy 等工具依赖，并执行校准自检。
- 确认 setup.sh 输出包含 `calibrate OK`。如果没有该结果，不建议信任后续质量检测结果。
- 编译示例模型：`node engine/cli.js example/wolf.json out/wolf.glb`。
- 如需运行完整文本到生物流程，让 AI Agent 阅读 `MANUAL.md`，并按顺序执行 `cards/00_START`、`01_LOW`、`02_MID`、`03_HIGH`、`04_SHIP`。
- 如只需要 JSON spec 到 GLB 的编译能力，可直接使用 `engine/cli.js`，核心引擎本身不需要额外运行时依赖。
06
风险与注意事项
- 项目描述偏前沿和实验性，实际效果可能高度依赖 AI Agent 的执行质量和提示工程能力。
- 完整文本到生物流程并非简单 CLI 一键生成，而是需要 Agent 阅读 MANUAL 和 cards 分阶段执行，对普通用户门槛较高。
- README 提到 boss 级别成本仅在两个样本上测量，约 440 万 tokens，真实成本和稳定性仍不确定。
- 示例 wolf.json 只有 idle 和 move 两个动画，而流程卡片要求 idle、move、attack 三个动画，示例覆盖不完整。
- Playwright/Chromium 安装可能在国内网络或 CI 环境中遇到问题，影响质量检测和渲染工具使用。
- 新版本中的 `part_attachment` 和 `mirror_distortion` 检查可能阻塞旧 spec，存在兼容性风险。
- 生成资产是否真正达到生产级游戏美术质量需要人工评审，不能仅依赖自动指标。
- 仓库星标约 299，生态和社区规模有限，长期维护情况需要进一步观察。
- 没有从 README 中看到成熟的 API 服务或引擎插件集成，接入 Unity/Unreal/Godot 可能需要自行开发导入流程。
2026-08-23
第28名
新收录 · github_search
