客座分享实录 · 刘宇豪(2026/7/9 上午)

我和 AI 在 Blender 里磨合的三年

刘宇豪老师原本做三维设计,现在是技术美术 / 开发。他用三个熟悉度递减的真实项目——完全熟悉、半懂半不懂、完全陌生——讲清一件事:AI 是“个体的放大器”,不是把所有人拉齐的按钮。Vibe Coding 好用,但你得知道自己在 vibe 什么、边界在哪。

AI 像预制菜难受了就自己主导结构化拆解未知领域AI 是个体放大器知道边界在哪

先说说这三年

在大语言模型(以 GPT-3.5 为代表)爆火之前,我做的是三维设计——给产品做模型、做产品动画;现在转成了技术美术 / 开发岗。这个转变有个前提:在大模型火之前,我在邱老师公司时(做美术),因为美术要和开发密切沟通,常遇到“我觉得很简单的功能,程序说实现不了、或有很多限制”——我很不理解,于是自己学了 Python 编程,学到能看 Blender 官方 API 文档、实现想要的功能。

就在这时 GPT-3.5 出现了。当时心情既开心又难受:开心是学习效率翻了一两倍甚至更高;难受是“我好不容易给自己开了扇窗,GPT 好像上来就把窗关上了”。但现在回看——它其实是把窗开得更大了。

三个项目(熟悉度从高到低)

1

美妆渲染系统

完全熟悉的领域

做什么 一套基于 Blender 的 3D 动画模板系统——相当于“3D 版的可画 / Canva”。美妆集团(如百雀羚、珀莱雅)有大量为产品做宣传动画的需求,把产品模型上传、选几个模板,平台就生成一批宣传物料。

难点 甲方模型尺寸五花八门(看着差不多的两个产品,模型可能一个 20cm、一个 40–50cm,和现实对不上),直接替换会过大/过小,商业上不能交付。要做尺寸适配:多部件要先算整体中心点再算边界框;模板里产品常是倾斜的,得先把旋转参数去掉、掰正到正常摆放才能算真实尺寸;再用投影矩阵把三维边界框换算成相机里的像素坐标、算出画面占比,据此定一个合适的缩放;还有一堆边界情况(画面偏移检测、负缩放叠加要一起去除)——涉及非常多矩阵计算。

AI 协作 AI 主导改了 10 天:不是没做出来,而是 A 情况没问题,一到 B、C 等边界情况就暴露一堆问题——改了 A 坏了 B、改了 B 坏了 C,总差“临门几脚”。最后我自己手写框架、AI 补片段代码,只花了 5 天。

经验:AI 现在更像预制菜——标准功能说两句话就端上来,很快;但一旦涉及那些容易遗漏的复杂细节(如各种矩阵变换),它端不上预制菜,会一直给你希望却交不出。当 AI 让你感觉“难受”了,就要评估:是不是该自己上场主导。
2

是否实时推流

半懂半不懂

做什么 为第一套系统服务:原来选完模板要等渲染完成才看得到效果;这个功能让客户在网页端实时看到替换产品后的画面,类似“远程控制 Blender”,首要要求是低延迟 + 真实渲染预览。

难点 Python 不够底层,拿不到视口里真实渲染的数据,需要下载 Blender 源码、用 C++ 插桩,从渲染预览管线接一个数据流推到网页。而我完全不懂 C++,看源码也不知道哪段在处理渲染预览。

AI 协作 因为我不懂 C++,只能笼统跟 AI 说“把实时渲染推流到网页”。它给的最简单方案是纯 Python——看着没问题,也“跑通”了,但它不是接实时渲染接口,而是让 Blender 在后台离线渲染每一张图(最快也就 1 秒 1 张,延迟极高),跑通但不能商用。来回折腾了一周才发现方向错了;最后让 AI 辅助我读 C++ 源码、定位实时渲染代码,再由我定制 C++ 插桩方案,才实现低延迟 + 真实渲染。

经验:Vibe Coding 的前提,是你知道自己在 vibe 什么。你若不懂底层,AI 会一直绕弯子——方案看着没问题、也能跑,但藏着很多工程化问题。那一周就是这么浪费掉的。
3

AI 智能打光

完全没接触过

做什么 也是为前两个服务。模板的灯光、相机、动画是固定的,通用性再好,新产品进来最终效果都会打折(比如模板本身 10 分,新产品进来可能掉到 6–8 分)。这个系统用现有高质量模板导出的参数训练一个 Blender 智能打光模型,把打折的效果再拔回去。

难点 复杂的不是算法(基本现成),而是要准备哪些数据、怎么处理:灯光的强度/颜色/位置/旋转/尺寸,加上相机的坐标/旋转……参数一多,训练非常不稳定,得想办法尽量降维。

AI 协作 · 一套结构化流程

  • 写一个 Markdown 文档,先让 AI 给一套完整方案;
  • 人工审核一遍——因为不懂,边审边学(AI 好在:你只要摸到门槛,它就能把你的能力放大一大级);
  • 交叉验证:新建一个对话,让同一个 AI 再审一遍,得到第二份方案再人工看风险;
  • AI 评估:换不同模型(各有侧重)找出单个 AI 没注意到的盲区,生成修复方案;
  • 回到自己完整评估,挑出 AI 瞎掰或出错的地方;
  • 最后分步骤实现各个功能。
解读:面对新领域,先结构化拆解每一步要做什么,针对性地学一点拆出来的领域知识,每一步都让 AI 和自己交叉确认。否则你根本不知道 AI 是不是在瞎掰——它本质上还是个“流畅吐字的机器”。

我和 AI 的关系,变了三次

阶段一 · 完全熟悉

无 AI 也能独立做

我=想偷懒的人(只想说两句话让它做完整项目)
AI=让我难受的人
其实它本该是助手,是我没把它当助手。

阶段二 · 半懂

不太想学那另一半

我=被逼无奈的人
AI=带我绕弯子的人(最简单方案能跑但不能商用)
其实它本该是老师——借它学 C++、读源码。

阶段三 · 完全陌生

我来主导

我=主导者
AI=平等的协作者
老师 / 朋友 / 助手,灵活切换。

AI 的身份(老师、朋友、助手)需要你在实践里灵活切换。而这三年最大的体会是下面这句。

核心:AI 是“个体的放大器”,拉不齐参差

很多人以为“有了 AI,大家起点就一样了”——以前我不会编程,现在人人都是编程高手。其实不是。你得先有相关领域的知识,AI 才能放大你在那个领域的能力。

两件有趣的事

其一:一个做设计的老同事来问我怎么用 AI 做个人作品网站。我心想,这在 2026 年不就跟呼吸一样简单吗——跟 AI 说“我要做个作品网站”它就给你一个。他却去 B 站搜教程、看了两天,最后还是放弃了。(当然,AI 做出来的网页偏模板化、有股“AI 味”;想加定制的动效,你至少得知道那个动效叫什么、怎么动,才能描述给 AI。)

其二:几个月前邱老师找我做一个产品演示动画,前两天他说“感觉有些动画效果在 Coding 里可能实现不了”。我问他当初为什么找我做,他说“感觉只有你能做出来”。其实那个动画我是用(文本抠图之类的)现成功能做的,他却以为是我手搓的——你没有相关领域的知识,就不知道自己能用什么东西把它做出来。

有思考,AI 就放大你的效应;没判断,AI 就放大你的错误。

回看阶段一和阶段二——耗掉的 10 天和一周,都是因为我没判断好,被 AI 放大了错误。

最后:知道 Vibe Coding 的边界

Vibe Coding 还有一个前提——你得知道它的边界在哪。有些东西 AI 现在还实现不了;像我这三个项目,如果做的人不多,AI 就没法给你端出一套完整能跑的代码。碰到边界时,就需要你自己去了解相关知识、亲自上手。

(对了,这次分享的 PPT 也是 AI 帮我做的。)