Open Source · AI и Машинное обучение
building-3d-replicas
Открытый навык для Claude Code и Codex, который строит точные 3D-копии реальных предметов по фотографиям и проверяется по скану музея.
Agent Skills · Claude Code · Codex · Python · build123d · Blender · glTF

Кейс
building-3d-replicas представляет собой Agent Skill вместе с Python-скриптами, на которых он работает. Он нужен, когда требуется модель одного конкретного реального предмета, подходящей по лицензии модели нет, а «примерно похоже» не годится. Агент описывает предмет параметрическим кодом на build123d, и каждый неточный размер становится именованным параметром. Затем значения определяют фотографии. Подгонщик одновременно восстанавливает камеру каждого снимка и форму по совпадению силуэтов, измерительный скрипт берёт миллиметры по известным опорным точкам, а Blender без интерфейса собирает модель, накладывает материалы и рендерит её обратно через камеру каждого снимка, так что любое видимое расхождение настоящее, а не из-за перспективы. Я сделал его для VRtor, на нём построены Cybertruck и Roadster. Устанавливается как плагин в Claude Code или Codex либо через npx skills add.
Проблема
Урокам в VR нужны реальные предметы в настоящем размере, а модели в сети либо с неподходящей лицензией, либо грубые, либо и то и другое. Если попросить агента смоделировать предмет по фото, получится форма, которая похожа с одного ракурса и ошибается на сантиметры со всех остальных, и непонятно, какие части неверны.
Подход
Модель как код, фотографии как доказательства. Агент строит структуру в build123d, выводя неточные размеры в параметры. fit_silhouette.py одновременно восстанавливает камеру каждого снимка и параметры, оценивая совпадение силуэтов, расстояние между контурами, измеренные точки и положение тёмных деталей. measure.py берёт на себя то, чего не видно по контуру, по шести и более известным точкам. Раунд проверки рендерит модель через каждую восстановленную камеру рядом с её снимком, а compare_mesh.py оценивает результат в миллиметрах по эталонной сетке, если она есть.
Ключевые решения
- Полный пример только на общественном достоянии. Колокольчик взят с фото Смитсоновского института под CC0 и его опубликованного размера, а CC0-скан музея служит только ключом для проверки.
- Каждое изображение проверки показывает модель через восстановленную камеру самого снимка, поэтому расхождение означает ошибку модели, а не ракурса.
- Опубликованные размеры фиксируются, а не подгоняются. Углы камеры по реальным фото могут ошибаться на 10–15 градусов, когда модель проще предмета, и фиксированные размеры всё равно сохраняют правильную форму.
- uv закрепляет окружение Python при первом запуске, поэтому навык работает одинаково на любой машине с Blender 4.2+ в PATH.
- Один скрипт релиза прописывает версию в оба манифеста плагинов, SKILL.md и pyproject.toml, а CI падает, если они когда-нибудь разойдутся.
- Опорные фото по умолчанию не попадают в репозиторий. .gitignore шаблона оставляет refs/ локально, а SOURCES.md фиксирует лицензию каждого файла.
Статус
Ранняя стадия, версия 0.2. Пока проверен на трёх предметах: музейном колокольчике (средняя ошибка 1,4 мм и 4,4 мм на 95-м процентиле при размере 266 мм), наручном альтиметре и полноразмерном пикапе с салоном. Протестирован на macOS с Blender 5.2. Лицензия MIT.
Нужно модернизировать систему, проверить идею ИИ или обсудить senior-позицию?
Обычно отвечаю в течение одного рабочего дня.